Gestión de la demanda orientada a la optimización de activos

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE

ESCUELA DE INGENIERIA

GESTION DE LA DEMANDA ORIENTADA A

LA OPTIMIZACION DE

ACTIVOS:APROXIMACION VIA

ALGORITMOS GENETICOS

OSCAR MARCELO ALAMOS GUZMAN

Tesis para optar al grado de

Magíster en Ciencias de la Ingeniería

Profesor Supervisor:

HUGH RUDNICK VAN DE WYNGARD

Santiago de Chile, septiembre, 2008

2008, Oscar Marcelo Alamos Guzmán

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE

ESCUELA DE INGENIERIA

GESTION DE LA DEMANDA ORIENTADA A

LA OPTIMIZACION DE ACTIVOS:

APROXIMACION VIA ALGORITMOS

GENETICOS

OSCAR MARCELO ALAMOS GUZMAN

Tesis presentada a la Comisión integrada por los profesores:

HUGH RUDNICK VAN DE WYNGARD

JUAN DIXON ROJAS

CARLOS SILVA MONTES

JEAN PAUL ZALAQUETT FALAHA

NICOLAS MAJLUF SAPAG

Para completar las exigencias del grado de

Magíster en Ciencias de la Ingeniería

Santiago de Chile, septiembre, 2008

ii

Padres, hermana, familia, amigos

…para ustedes…por ustedes

iii

AGRADECIMIENTOS

Esta investigación es fruto de amor y trabajo, no sólo mío, sino de mucha gente que

siempre estuvo y estará a mi lado. Es por eso que siento la necesidad en este momento de

agradecer a todos aquellos que desde siempre han caminado junto a mí, no sólo en esta

tesis, sino en la vida entera.

En primer lugar quiero dedicarle este trabajo a mi abuela, quien partió sin alcanzar

a ver el fin de esta investigación, pero que tengo por seguro que donde esté se sentirá

orgullosa.

A mi padre, por ser mi ejemplo a seguir, mi modelo de vida. A mi madre por

enseñarme a luchar siempre, con tesón y amor. A mi hermana por ser mi cómplice y por

enseñarme a compartir una sonrisa en toda ocasión. A la chini, la alegría de mi vida. A mi

familia entera, por su confianza incondicional. A mis amigos de la vida, por estar desde

siempre a mi lado, en las buenas, en las malas y en las cotidianas. A mis amigos de Systep

y la oficina 303, por su eterna paciencia, sus enseñanzas, consejos y apoyos. A mi profesor

Hugh Rudnick sin el que nada de esto hubiese sido posible. A la Universidad Católica y la

Escuela de Ingeniería, por hacer mis sueños realidad. A FONDECYT y CHILECTRA por

la valiosa ayuda recibida. A don Roberto Casarejos y Julio Troncoso, de Carrier S.A., por

su tiempo para responder toda clase de dudas.

Por último, y por haber recorrido juntos todo este camino…esto también es para ti.

INDICE GENERAL

Pág.

DEDICATORIA ............................................................................................................... ii

AGRADECIMIENTOS .................................................................................................. iii

INDICE DE TABLAS...................................................................................................... 1

INDICE DE FIGURAS .................................................................................................... 2

RESUMEN........................................................................................................................ 6

ABSTRACT ...................................................................................................................... 7

1. INTRODUCCION .................................................................................................. 8

1.1 Generalidades del Mercado Eléctrico Chileno ............................................. 8

1.2 Planificación del Sistema Eléctrico .............................................................. 9

1.3 Motivación .................................................................................................... 13

1.4 Objetivo General .......................................................................................... 13

1.5 Objetivos Específicos .................................................................................. 13

1.6 Estructura de la Investigación ..................................................................... 14

2. GESTIÓN DE LA DEMANDA .......................................................................... 16

2.1 Estrategias de Conservación ........................................................................ 17

2.2 Estrategias de Crecimiento .......................................................................... 19

2.3 Gestión de la Carga ...................................................................................... 21

2.3.1 Respuesta a la carga ......................................................................... 23

2.3.2 Respuesta al precio ........................................................................... 27

3. CONTROL DIRECTO DE LA CARGA ............................................................ 32

3.1 Definiciones.................................................................................................. 32

3.2 Estado del Arte ............................................................................................. 35

3.2.1 Estados Unidos ................................................................................. 35

3.2.2 Dinamarca ......................................................................................... 42

3.2.3 Nueva Zelandia................................................................................. 43

3.2.4 Noruega ............................................................................................. 44

3.2.5 Australia ............................................................................................ 45

4. ZONA CORREDOR DE LAS CONDES ........................................................... 46

4.1 Escenario Inmobiliario................................................................................. 46

4.2 Escenario Eléctrico ...................................................................................... 51

5. METODOLOGÍA PROPUESTA ........................................................................ 57

5.1 Desarrollo y Análisis de la Curva de Carga ............................................... 58

5.2 Estimación de la Carga Controlable ........................................................... 60

5.3 Modelación de la Operación de los Equipos .............................................. 75

5.3.1 Efecto payback ................................................................................. 78

5.3.2 Control de los equipos ..................................................................... 79

5.3.3 Confort .............................................................................................. 81

5.4 Algoritmos Genéticos .................................................................................. 84

6. OPTIMIZACIÓN DEL CONTROL DE LA DEMANDA MEDIANTE ALGORITMOS GENÉTICOS ............................................................................ 85

6.1 Métodos de Optimización Metaheurísticas ................................................ 86

7. APLICACIÓN DE LA METODOLOGÍA PROPUESTA................................. 89

7.1 Modelo Matemático ..................................................................................... 89

7.2 Aplicación de los Algoritmos Genéticos .................................................... 94

8. RESULTADOS................................................................................................... 101

8.1 Escenario de Carga Clientes Carrier ......................................................... 101

8.2 Escenario Proyectado de Carga ................................................................. 114

8.3 Escenario Futuro de Carga ........................................................................ 129

9. CONCLUSIONES Y TRABAJOS FUTUROS ................................................ 134

9.1 Conclusiones .............................................................................................. 134

9.2 Trabajos Futuros ........................................................................................ 141

BIBLIOGRAFIA .......................................................................................................... 144

A N E X O S ................................................................................................................. 154

Anexo A: Tarifas Dinámicas ....................................................................................... 155

Anexo B: Programa HAP ............................................................................................. 158

Anexo C: Tipos de Equipos de Aire Acondicionado Central .................................... 162

Anexo D: Tabla de Equipos Carrier ............................................................................ 166

Anexo E: Descripción de los Algoritmos Genéticos .................................................. 171

1

INDICE DE TABLAS

Pág.

Tabla 2-1: Clasificación de los programas de gestión de la carga......................................... 22

Tabla 5-1: Catastro edificios en corredor de Las Condes, agrupados según su grado de

eficiencia térmica. ..................................................................................................................... 62

Tabla 5-2: Características edificios representativos ............................................................... 67

Tabla 5-3: Valores estándar parámetros constructivos........................................................... 68

Tabla 5-4: Valores Estándar ASHRAE para cargas internas ................................................. 69

Tabla 5-5: Hoja de datos Equipo 19XR de 400 TON ............................................................ 74

Tabla 5-6: Simulación correlación agua/aire para climatización .......................................... 83

Tabla 8-1: Valores promedio reducción de la demanda de punta, escenario real .............. 104

Tabla 8-2: Resultados de la optimización escenario real ..................................................... 110

Tabla 8-3: Valores promedio reducción de la demanda de punta, escenario proyectado .. 116

Tabla 8-4: Resultados de la optimización escenario proyectado ......................................... 124

Tabla 8-5: Características constructivas edificios Costanera Center y Titanium ............... 130

Tabla 8-6: Aplicación de los resultados para la proyección de escenarios. ........................ 132

Tabla 9-1: Valores máximos carga en SE y carga gestionable para escenarios simulados138

Tabla 9-2: Resultados de la optimización escenarios ........................................................... 139

2

INDICE DE FIGURAS

Figura 1-1: Equilibrio de mercado 12

Figura 2-1: Estrategias de conservación 19

Figura 2-2: Estrategias de crecimiento 20

Figura 2-3: Estrategias de reducción de la punta 24

Figura 2-4: Estrategias para rellenar zonas valle 29

Figura 2-5: Estrategias de desplazamiento de la punta 29

Figura 3-1: Categorización de los programas de gestión de la demanda en EE. UU. 36

Figura 3-2: Reducción de la demanda de punta en EE. UU. 37

Figura 3-3: Aplicaciones típicas en EE. UU. para programas CDC 38

Figura 3-4: Tarifas Summer Discount Plan 40

Figura 4-1: Subcentros de la ciudad de Santiago. Definición de corredores 47

Figura 4-2: Oficinas comerciales clase A en corredores de Las Condes 48

Figura 4-3: Ranking rascacielos de altura para la ciudad de Santiago. 50

Figura 4-4: Curva de carga SE Vitacura, año 2006 51

Figura 4-5: Curva de duración SE Vitacura, año 2006 52

Figura 4-6: Correlación días de demanda vs temperatura 54

Figura 5-1: Clientes Carrier en Chile 61

Figura 5-2: Catastro clientes Carrier en el corredor de Las Condes. 62

Figura 5-3: Perfil de ocupación de instalaciones e iluminación 70

Figura 5-4: Curvas TON/m2 para edificios tipo 71

Figura 5-5: Funcionamiento equipos en paralelo 73

Figura 5-6: Curva de eficiencia equipo 19XR 400 TON 74

3

Figura 5-7: Funcionamiento de los equipos de aire acondicionado 77

Figura 5-8: Modelación efecto payback 78

Figura 5-9: Ejemplo de control de Carrier 80

Figura 5-10: Diagrama psicométrico zonas de confort 82

Figura 7-1: Predictor de carga 92

Figura 7-2: Nivel de carga gestionable edificio Alsacia 93

Figura 7-3: Inicialización de las soluciones 96

Figura 7-4: Cruzamiento de ventana 98

Figura 7-5: Cruzamiento de dos puntos 99

Figura 8-1: Curva de carga gestionable SE Vitacura 102

Figura 8-2: Carga de la SE y carga gestionable, escenario real, mes de diciembre 102

Figura 8-3: Valores promedio de reducción, para todos los niveles de reducción, escenario

real 103

Figura 8-4: Simulación de la minimización, limitación 40%, escenario real 104





Figura 8-9: Patrón de encendido/limitado de edificios, escenario real 109

Figura 8-10: Efecto en la carga de la SE, escenario real 110

Figura 8-11: Efecto de la operación forzada en la curva de carga gestionable, escenario real

111

Figura 8-12: Reducción y efecto payback, escenario real 111

4

Figura 8-13: Resultados en edificios, escenario real, 70% limitación 112

Figura 8-14: Escenario horario de carga gestionable para escenario proyectado 115


proyectado 116

Figura 8-16: Carga de la SE y carga gestionable, escenario proyectado, mes de diciembre

117

Figura 8-17: Simulación de la minimización, limitación 40%, escenario proyectado 118





Figura 8-22: Patrón de encendido/limitado de edificios, escenario proyectado 123

Figura 8-23: Efecto en la carga de la SE, escenario proyectado 124

Figura 8-24: Efecto de la operación forzada en la curva de carga gestionable, escenario

proyectado 125

Figura 8-25: Reducción y efecto payback, escenario proyectado 125

Figura 8-26: Resultados en edificios, escenario proyectado, 70% limitación 126

Figura 8-27: Curva horaria carga gestionable para edificios Costanera Center y Titanium

131

Figura 9-1: Resultados escenario real 139

Figura 9-2: Resultados escenario proyectado 140

Figura E-1: Diagrama de flujos del algoritmo genético 173

Figura E-2: Cruza monopunto 175

5

Figura E-3: Cruza multipunto 176

Figura E-4: Cruza uniforme 176

6

RESUMEN

La Gestión de la Demanda es un campo de aplicaciones utilizado en el sector

eléctrico, que tiene como base el cambio en los paradigmas estáticos que tradicionalmente

se le asigna a la demanda, en la búsqueda del equilibrio entre producción y consumo en los

mercados de la energía.

Dentro de este marco, se desarrolla una aplicación conocida como Control Directo

de la Carga. Esta se utiliza como una herramienta para el manejo de la demanda de punta

en los sistemas eléctricos, y ha comenzado a ser apreciada como solución a los problemas

de planificación de las redes de transporte de la energía, al ser una opción más económica

que la construcción de nueva capacidad para abastecer dichos consumos.

Este tipo de aplicaciones actúan sobre cargas termostáticas, como los equipos de

aire acondicionado central de los edificios comerciales, de modo de reducir, a través de un

control remoto forzado de los equipos, la demanda de punta en aquellos períodos de

congestión del sistema.

La tesis formula y desarrolla una metodología que busca implementar dicha

aplicación en el sistema eléctrico chileno, en particular en la zona de la ciudad de Santiago

conocida como el corredor de Las Condes, caracterizada por un explosivo auge en lo que

corresponde a proyectos inmobiliarios, con un gran aporte de los equipos de aire

acondicionado en el consumo total de la zona; y por poseer problemas de congestión en el

trasporte de energía en la temporada de verano.

De esta forma, a través de una optimización utilizando algoritmos genéticos para la

obtención de la operación forzada de los equipos de forma global, y con una estimación del

escenario real de carga gestionable existente en la zona basado en una proyección de un

catastro real de clientes obtenido a partir de la empresa de aire acondicionado Carrier S.A.,

se logró obtener reducciones de hasta un 13% de la carga total gestionable participante en

el programa.

7

ABSTRACT

The Demand Side Management it’s an application field used in electric areas which

basis is changing static paradigms that are traditionally assigned for the demand, looking

for a balance between production and consumption in energy markets.

Within this framework it is developed an application known as Direct Load

Control. It is used as a tool, for the management on the peak demand in electric systems,

and has started to be appreciated as a solution for planning transport of energy grid

problems, being a better economic option than the construction of new capacity to supply

this consumption.

This kind of application is made for thermostatic charges, as central air

conditioning equipment for commercial buildings, to reduce the peak demand in

congestion periods of the system.

The thesis formulates and develops a methodology that searches carrying out this

application in Chilean electric system, particularly in a Santiago area, known as El

Corredor de Las Condes, characterized by an explosive growing in real state projects, with

a great contribution of air conditioning in the area/zone total consumption, and it has

congestion problems in the energy transport in summer season.

Through a model using genetic algorithms to obtain in a global way the forced

operation in the equipment and an estimate of the real scenario of existing manageable

charge in the area based on a projection of the real survey from clients obtained from the

air conditioning company Carrier S.A., achieving 13% reduction of the manageable total

charge participating on the program.

8

1. INTRODUCCION

1.1 Generalidades del Mercado Eléctrico Chileno

En los sistemas eléctricos en general, y en el chileno en particular, se

pueden distinguir 3 actividades básicas, con características propias, pero

dependientes entre si:

Los Generadores son los encargados de la producción de la energía,

utilizando para ello distintos tipos de tecnologías y combustibles disponibles. Este

segmento se define dentro de un mercado competitivo, con retornos constantes a

escala, y reflejando a través de los precios el costo marginal de producción.

La Demanda representa al grupo de consumidores que incurren en el uso de

la energía, los que pueden ser clasificados según su tipo de consumo en residenciales,

comerciales o industriales. Por otro lado, la regulación chilena reconoce además a

dos tipos de consumidores: libres y los regulados, los que se diferencian

principalmente en el poder de negociación a la hora de definir de forma privada los

valores a pagar por el servicio de la electricidad; y en los requerimientos de energía y

potencia propios del perfil de consumo de cada cliente.

El Transporte cumple las labores de llevar de forma eficiente y bajo

estándares de calidad de servicio, la energía producida desde los generadores hasta

los puntos de consumo. Esta actividad se puede clasificar en:

• Transmisión

• Distribución

• Transformación

• Compensación

Tanto las actividades de generación como de transporte de la energía

eléctrica son desarrolladas por empresas que son controladas en su totalidad por

capitales privados, tomando el Estado la función de actor regulador, fiscalizador y

planificador indicativo de inversiones tanto para generación como transmisión. En

Chile, el organismo que representa al estado en la regulación del sector eléctrico es la

Comisión Nacional de Energía, en adelante CNE, quien es la encargada del

9

desarrollo y coordinación de planes, políticas y normativas necesarias para un

funcionamiento óptimo y eficiente del sector.

1.2 Planificación del Sistema Eléctrico

El mercado de la energía posee características inherentes a las cualidades

físicas del producto que se transa, la electricidad. Entendida ésta como una fuente de

energía secundaria proveniente de la transformación de otras fuentes de energía

primaria, se diferencia de otros productos por la imposibilidad de poder ser

almacenada en grandes cantidades. Por este mismo hecho es que el comportamiento

del mercado toma rasgos dinámicos en una constante búsqueda del equilibrio entre la

energía que se genera y la que se consume. Esto contrasta con la poca flexibilidad

existente en la oferta de energía, limitada por lo que puede generar el parque

existente y por las barreras operacionales de las redes de transporte, difícilmente

modificables en el corto plazo y cuyo proceso de expansión data largamente de los

requerimientos instantáneos de la demanda.

Tomando en cuenta estas consideraciones, es que se genera entonces un

importante desarrollo de metodologías y algoritmos que permitan determinar

políticas óptimas de inversión en sistemas eléctricos, de forma de garantizar

seguridad y calidad de suministro. Estas metodologías son altamente complejas

debido a la gran cantidad de posibilidades que deben ser consideradas, y a los altos

costos de inversión que involucran tales decisiones.

Por otra parte, la reestructuración de los mercados de energía a nivel

mundial, en la línea de abandonar los sistemas regulados y de desarrollar mercados

competitivos, ha generado un ambiente de mayor incertidumbre en lo que se refiere a

la planificación del sistema. Lo anterior es especialmente importante en sistemas

hidro-térmicos, como el existente en nuestro país, donde a los riesgos de naturaleza

estocástica se suman los de carácter racional asociadas a acciones y decisiones de los

distintos agentes participantes del mercado.

Desde la década de los 50, con el apoyo de los desarrollos computacionales,

se ha buscado mejorar y potenciar distintas metodologías de planificación. Las

aproximaciones gruesas al problema inherente a los métodos tradicionales, dificultan

10

cada día más el proceso de toma de decisiones en el sector. Sumado a esto, el hecho

que en el campo de la distribución, donde se centra esta investigación, al contar con

un nivel mas desagregado en las cargas, el movimiento de las inversiones en

capacidad puede ir en desarmonía respecto al sistema en general, siendo más difícil

alcanzar el equilibrio entre oferta y demanda debido principalmente a la falta de

uniformidad en las tasas de crecimiento dentro de la red, lo que implica que muchas

veces se pueden realizar inversiones desmedidas debido a errores en la predicción de

dicho parámetro.

Actualmente, los procesos de planificación tienen como máxima, la

estimación del comportamiento de la demanda como perfectamente inelástica, es

decir, insensible a las modificaciones de precio determinadas por el costo de

generación requerido para abastecer al sistema en dicho momento. Además se

considera que posee un comportamiento vegetativo, cíclico a lo largo del año, que

permite definir escenarios para todo el horizonte de planificación. De esta manera, a

partir de la estimación de la demanda, es que se busca el mix óptimo de operación y

expansión del sistema eléctrico, revisando en detalle un conjunto de escenarios

posibles de forma de evaluar las bondades de la decisión de expansión elegida.

La búsqueda de condiciones óptimas desencadena distintos procesos

tarifarios, donde el regulador determina tarifas constantes a lo largo del período de

facturación. Estos valores por el uso de la energía se presentan como solución óptima

ex ante, pero ineficiente ex post, ya que estas tarifas rígidas no pueden adaptarse a

cambios en el equilibrio de oferta y demanda.

Los esquemas tarifarios inflexibles, como los existentes en nuestro país,

generan una serie de inconvenientes. Al ser uniformes, impiden la diferenciación

entre sectores de bajos costos de inversión con aquellos de alto costo, como lo son las

zonas céntricas de la ciudad, con lo que no se logra pagar los valores incrementales

reales por los requerimientos de potencia en dichas áreas, generándose un trade-off

con aquellos clientes ubicados en aquellas más económicas. A la vez, estas

metodologías generan sobreinversión en capacidad, debido principalmente a la

utilización de valores promedio a la hora de evaluar escenarios futuros. A este hecho

se le suma la obligación que tiene el sistema eléctrico de asegurar el abastecimiento

11

de energía ante todo evento posible, lo que se traduce en la necesidad de asegurar un

margen de capacidad que permita disminuir al máximo este riesgo de no suministro

en periodos de congestión o déficit.

Citando a Rudnick & Montero (2001):

“La única forma de alcanzar eficiencia ex post es con un sistema flexible desde el lado de la demanda que se adapte a cambios en la operación, tal como ocurre en un mercado competitivo, donde productores y consumidores realizan sus decisiones de producción y consumo en forma independiente y de acuerdo a las actuales (no esperadas) curvas de oferta y demanda”

La consideración “plana” de la demanda y de las tarifas a pagar, da a

entender que el consumidor no es capaz de modificar, ni voluntaria ni

involuntariamente, su patrón de consumo en vista de señales económicas que

provengan del mercado propiamente tal, definidas por el costo real de cada unidad de

energía que es consumida.

Estudios como el desarrollado en Benavente et. al. (2005) demuestran que

en general para todos los consumidores, y en particular para el consumo en Chile, la

demanda no es perfectamente inelástica, concluyendo dicha investigación con una

estimación de la elasticidad-precio de la demanda residencial por energía eléctrica de

-0,0548 en un mes y de -0,39 en el largo plazo.

12

Figura 1-1: Equilibrio de mercado

Lo anterior puede explicarse mediante la Figura 1-11. El equilibrio de

mercado se logra cuando oferta y demanda alcanzan igual nivel. El considerar la

demanda perfectamente inelástica genera un óptimo que determina tanto un nivel de

generación como de precios mayor al que se lograría con una aproximación dinámica

y flexible de la demanda. Un enfoque activo por parte de ella permitiría representar

de mejor manera el proceder de los consumidores, aceptando una mayor sensibilidad

de la demanda, traducida como una mejor disposición a pagar por la energía.

Además, este comportamiento permite que sean los consumidores, o la distribuidora

en nombre de sus clientes, los que puedan manejar y enfrentarse al riesgo que implica

buscar por sí mismo el equilibrio de mercado. Los precios más altos son perjudiciales

para los consumidores, que pagan más de lo que realmente deberían pagar. Por otro

lado, las empresas eléctricas deben invertir extra para poder dar abasto a esta

sobrecapacidad resultante del equilibrio alcanzado de forma estática.

A partir de la toma de conciencia de la participación activa que puede tener

la demanda en la búsqueda de equilibrio de mercado es que los llamados Planes de

1 Fuente: Hirst, 2002

Prec

io u

nita

rio

de e

nerg

ía ($

/MW

h)

Energía (GWh)

Demanda Elástica

Demanda Inelástica

Oferta Generación

13

Gestión de la Demanda, Demand-Side Management en inglés, han tomado mayor

relevancia en los temas energéticos. Esto sumado a la creciente necesidad de energía

existente en nuestra sociedad gracias a los crecimientos explosivos de las economías

a nivel mundial, lo que ha generado la urgencia en la búsqueda de todo tipo de planes

que permitan una planificación óptima de los recursos existentes y futuros, a bajo

costo de inversión.

1.3 Motivación

Esta investigación tiene como motivación los problemas de capacidad que

se prevén en Chile en un mediano plazo, principalmente a nivel de distribución, y en

particular considerando los inconvenientes de la subestación Vitacura. Esta zona se

caracteriza por presentar un aumento explosivo de clientes comerciales y un alza en

el consumo de energía asociado a este comportamiento. En este contexto, la

investigación buscar analizar una solución práctica y de corto plazo para dicha

subestación, en el marco de aplicaciones de la gestión de la demanda.

1.4 Objetivo General

Los objetivos generales de esta investigación consisten en diseñar un

programa, dentro de los planes de gestión de la demanda, que permitan, ex ante,

reducir la demanda de punta a nivel de la subestación Vitacura, zona caracterizada

por un explosivo crecimiento en la gestión inmobiliaria, principalmente clientes

comerciales; de forma tal de poder posponer o evitar inversiones en lo que a aumento

de capacidad se refiere. El área estudiada dentro de la gestión de la demanda es lo

que se conoce como Control Directo de la Carga, Direct Load Control en inglés, en

adelante CDC, aplicado en los sistemas de aire acondicionado central existentes en

los edificios pertenecientes a la zona en cuestión.

1.5 Objetivos Específicos

Los objetivos específicos de esta investigación son:

14

Analizar

La curva de carga de la subestación Vitacura, procurando realizar un

modelo predictivo de carga simple, “day-ahead”2, en base al pronóstico del tiempo

para el día en que se requiere reducir la demanda de punta utilizando los planes

CDC.

Desarrollar

Un modelo de la carga gestionable, es decir, definir el porcentaje de la carga

total de la subestación que puede ser optimizada mediante la aplicación de los planes

CDC para los días de mayor temperatura en la temporada de verano, tomando en

consideración los edificios catastrados para esta investigación.

Formular

Un modelo matemático que defina el funcionamiento térmico y eléctrico de

los edificios catastrados, tomando en cuenta sus restricciones operacionales y de

confort.

Implementar

Una metodología de solución del modelo formulado usando técnicas de

algoritmos evolutivos.

Obtener

Una reducción de la demanda de punta para la subestación en relación al

porcentaje de carga gestionable que pudo ser catastrado, de forma de poder

extrapolar el alcance de esta metodología al considerar el universo completo de carga

gestionable en lo que a equipos de aire acondicionado se refiere.

1.6 Estructura de la Investigación

El trabajo que aquí se presenta se estructura de la siguiente forma. En el

Capítulo 2 se realiza una descripción del campo de investigación en la cual se

encuentra inmersa esta tesis, la Gestión de la Demanda, presentando definiciones

generales y tipos de programas desarrollados dentro de este marco.

2 Day ahead hace referencia a realizar un modelo el día previo al día en cuestión, basándose en la mayor información disponible al momento de realizar la estimación.

15

En el Capítulo 3 de define lo que son los programas de CDC, además de

realizar una revisión internacional de experiencias que han sido puestas a prueba en

distintas partes del mundo.

En el Capítulo 4 se presenta las características tanto inmobiliarias como

eléctricas de la zona del corredor de Las Condes.

En el Capítulo 5 se desarrolla en su totalidad la metodología propuesta para

dar solución al problema presentado, definidos básicamente por el desarrollo de la

curva de carga, la estimación de la carga controlable y la modelación matemática de

la operación de los equipos.

El Capítulo 6 entrega antecedentes referidos al algoritmo de resolución del

modelo desarrollado en esta tesis, los algoritmos genéticos, definidos dentro del

campo de la metaheurística.

En el Capítulo 7 se presenta la forma en que las metodologías anteriormente

descritas pueden ser adaptadas y aplicadas al problema particular que se presenta en

la subestación Vitacura.

Posteriormente, en el Capítulo 8 se entregan los resultados obtenidos

mediante la aplicación del modelo realizado en la investigación, tanto para una

catastro inicial, dado por los clientes catastrados de la empresa de climatización

Carrier S.A., como para un escenario proyectado, el que intenta modelar el alcance

de la aplicación del programa en la realidad. También se analiza el escenario futuro

con la inserción de los dos megaproyectos inmobiliarios que se encuentran

actualmente en construcción, Costanera Center y Titanium la Portada, de forma de

ver el impacto eléctrico de su inclusión en la zona en cuestión y el potencial existente

al aplicar este tipo de programas.

Por último, en el Capítulo 9 se presentan las conclusiones de este trabajo y

los trabajos futuros relacionadas con el tema desarrollado.

16

2. GESTIÓN DE LA DEMANDA

La responsabilidad básica de las empresas pertenecientes al mercado eléctrico es el

abastecer de energía de forma segura, eficiente y económica a todos los clientes que

requieran de ella. Sin embargo el conseguir hoy en día un servicio que cumpla a cabalidad

y de forma simultánea estas tres condiciones no está exento de dificultades, debido

principalmente a nuevas consideraciones y barreras técnicas, económicas, medio

ambientales, políticas y sociales que han incrementado la incertidumbre a la hora de los

procesos de planificación del sistema eléctrico, aumentando al mismo tiempo los costos de

operación e inversión requeridos para paliar dicha incertidumbre. De esta forma, los

mercados de energía a nivel mundial han centrado esfuerzos en torno al control de las

demandas de punta y al uso más eficiente de la energía, de modo de evitar o posponer

requerimientos adicionales de capacidad en generación, transmisión y distribución.

Los programas de gestión de la demanda son todos aquellos que involucran

acciones desde el lado de los consumos, es decir, desde el lado de los clientes, modificando

e influenciando sus curvas de demanda en búsqueda de un nuevo equilibrio de mercado.

Este rol activo de la demanda entrega beneficios tanto para las empresas eléctricas como

también para los usuarios. Las empresas logran, a través de estos programas, inducir

cambios en los patrones de consumo de sus clientes, tanto en tiempo como en magnitud,

maximizando su productividad y el uso efectivo a bajo costo de los recursos disponibles.

De esta forma, resulta relevante para las empresas de distribución el gestionar a través de

este tipo de programas la demanda máxima del sistema en general o subsistemas en

particular, transformándose en una herramienta práctica para aliviar las redes en

situaciones de estrechez.

Por otro lado los consumidores se ven directamente beneficiados al poder controlar

de forma individual sus patrones de consumo, según propia conveniencia, ante las distintas

condiciones de mercado que pueden presentarse, sacando provecho de los costos bajos y

protegiéndose ante precios altos de la energía. Para esto, es vital que la regulación de cada

país entregue oportunidades e incentivos para que los consumidores busquen dichos

cambios conductuales. Estas señales deben referirse principalmente a la modificación de

17

las estructuras tarifarias rígidas y a la introducción de nuevas tecnologías que vayan de la

mano con la aplicación de este tipo de programas.

En nuestro país, la regulación no entrega incentivos claros a que las empresas de

distribución realicen planes de este tipo. Esto principalmente porque las tarifas fijadas por

la autoridad se definen en un escenario en donde se busca rentabilizar las instalaciones

definidas como óptimas en una empresa modelo, lo que hace poco atractiva la intención de

realizar esfuerzos para posponer o evitar inversiones, las que de una u otra forma serán

rentadas a través de las tarifas pagadas por el consumidor final. Sin cambios en la

regulación en los que se reconozca la posibilidad de que la empresa modelo pueda de

gestionar la demanda a través de planes como el que se proponen, no aparece viable la

aplicación de ellos. Por otro lado, desde el punto de vista de los consumidores, tampoco

aparecen incentivos para la participación en este tipo de programas, principalmente debido

a la carencia de tarifas diferenciadas que permitan identificar el funcionamiento del

sistema, permitiendo a los clientes sacar provecho de los precios bajos, y protegiéndose de

aquellos períodos en que las tarifas resulten altas.

La diversidad de objetivos que pueden llevarse a cabo mediante la implementación

de este tipo de planes radica en la amplia variedad de opciones de modificación en la forma

de la curva de carga de los clientes, tanto en la profundidad como en la magnitud temporal

que puede ejercerse sobre dichas curvas. Gellings (1985) clasifica a los planes de gestión

de la demanda en los siguientes grupos.

2.1 Estrategias de Conservación

Los programas de conservación (Strategic Conservation) han sido

largamente implementados como herramienta de gestión de la demanda,

principalmente referidos al manejo de la energía. La conservación puede definirse

como el uso racional de un mismo monto de energía, que permite generar un

incremento en la capacidad de abastecimiento, ya sea a través de cambios en los

consumos por parte de los clientes, la utilización de equipos más eficientes y/o el

incremento en la calidad de los procesos productivos.

Estas aplicaciones ganaron popularidad durante los años 70, dentro de

mercados integrados de forma vertical, principalmente a causa de la crisis del

18

petróleo del año 19733. Inicialmente estos planes iban dirigidos a la reducción de los

costos de generación ante la escasez de combustibles. Al ser integrados, los

mercados buscaban de forma global una reducción en los consumos, aun en

detrimento del beneficio económico resultante de los ingresos por venta de energía.

(Gellings & Chamberlin, 1987)

Estas iniciativas, principalmente en los países desarrollados, fueron

perdiendo su fuerza inicial ante la regulación en la situación de los precios del

petróleo. Sin embargo, aquello no resultó un obstáculo para que los consumidores de

dichos países tomaran conciencia y redujeran significativamente sus requerimientos

de energía, hecho que proviene principalmente de los cambios conductuales y de la

instauración del pensamiento ecológico en pro de la reducción de emisiones de gases

debido a la generación de energía.

Este tipo de programas se caracterizan por su capacidad de desplazar la

curva de carga de los clientes en su totalidad, hacia menores consumo de energía

para todo el horizonte de ejecución (Figura 2-1). El enfoque de este tipo de

aplicaciones consiste en mejorar la eficiencia de los consumos no sólo en las horas

punta del sistema, sino también en aquellos períodos fuera de punta, logrando

incrementar la utilización de los equipos y mejorar el factor de carga, permitiendo

diferir la necesidad de inversión en nueva capacidad.

La conservación de energía se propone como una alternativa efectiva y

económica para la postergación de inversiones, reducción de impactos ambientales e

incrementos en la eficiencia energética, además de cumplir un importante rol en la

expansión del sector eléctrico. Esto debido principalmente a que los costos de la

mayoría de los planes de este tipo son menores que los resultantes de la expansión

del sistema eléctrico. Sumado a ello, el retorno de la inversión y los tiempos de

ejecución de estos proyectos son menores si se comparan con la construcción de

alternativas que busquen abastecer la demanda ante todo evento.

3 La crisis de petróleo de 1973 se genero a raíz de la decisión de la Organización de los Países Exportadores de Petróleo Árabes, OPEP, de no exportar petróleo a los países que habían apoyado a Israel durante la guerra del Yom Kippur, que enfrentaba a Israel con Siria y Egipto. Medida que incluía a EE. UU. y a sus aliados de Europa Occidental. Esto incrementó el valor de los combustibles hasta llegar a niveles insospechados, encareciendo el valor de la energía.

19

Figura 2-1: Estrategias de conservación

Estos planes resultan ser óptimos en configuraciones integradas del

mercado, debido a que a través de ellos se puede lograr una reducción en los costos

generales del sistema al desplazar generación más cara. Dentro de este tipo de

programas se pueden encontrar aplicaciones en climatización, motores de mejor

rendimiento e iluminación (Bellannine, 2000).

2.2 Estrategias de Crecimiento

Las estrategias de crecimiento (Strategic Load Growth), al igual que el

programa anterior, se refieren al manejo de la energía, y hacen referencia a aquellas

prácticas que promueven el desarrollo de nuevos consumos eléctricos, en reemplazo

de otros métodos tradicionales, principalmente en lo que se refiere a sistemas de

calefacción, cocina y agua caliente, típicamente gestionados por gas u otro tipo de

combustibles. A través de estos programas se modifica la curva de demanda de los

consumidores en pro de un aumento de los ingresos por las ventas para la empresa

distribuidora, al aprovechar nuevas oportunidades de consumo. Al igual que la

estrategia descrita en el punto anterior, los planes de crecimiento estratégico

modifican en su totalidad la curva de carga, pero esta vez hacia zonas de mayor

consumo, sin un enfoque particular en los periodos de alta congestión del sistema.

20

Figura 2-2: Estrategias de crecimiento

Un ejemplo de este tipo de programas es el ofrecido por CHILECTRA S.A.,

en adelante Chilectra, desde el año 2004, que recibe el nombre de Full Electric. Este

tipo de aplicaciones permite cubrir todas las necesidades energéticas de un hogar,

como calefacción, cocina, agua caliente y climatización, en base a electricidad,

energía limpia y no contaminante. Esta última resulta ser una de las ventajas mas

publicitadas, pues con el uso de aparatos eléctricos se evita la quema de combustible

para generar calor, lo que permite, por ejemplo, que todas las viviendas de este tipo

cuenten con la certificación del SEC (Superintendencia de Electricidad y

Combustibles), disminuyendo el riesgo de emanación de sustancias nocivas para la

salud. Además se mejora la relación cliente-consumidor al reducir la necesidad de

distintos abastecedores de servicios.

Para diciembre del año 2004, año que se instaura este programa en nuestro

país, sólo el 0,2% de los edificios nuevos eran Full Electric. A fines del 2007 existen

más de 40 edificios que operan con esta solución, concentrados mayoritariamente en

Santiago Centro4.

Para obtener el máximo aprovechamiento de estos programas, tanto para la

empresa distribuidora como para los clientes, es necesario que el regulador deje de

4 Fuente: IGT (2007)

21

lado la rigidez de las tarifas, promoviendo las tarifas diferenciadas, pues existen

aplicaciones asociadas a este tipo de aplicaciones, como son los acumuladores de

calor, que pueden aprovechar de operar en períodos de bajos costo para el sistema, de

modo de abastecer de dicho insumo en los períodos de punta. Sin embargo, con la

regulación existente hoy, donde se definen tarifas máximas a cobrar, no parecen

claros los incentivos para la operación óptima de este tipo de equipos.

2.3 Gestión de la Carga

La gestión de la carga abarca un conjunto de acciones llevadas a cabo, de

forma directa o indirecta, por las compañías distribuidoras con el objeto de alterar los

patrones de consumo en su magnitud o forma, ya sea mediante introducción de

tecnologías más eficientes o bien a través de la influencia ejercida en los hábitos de

consumidores, principalmente vía señales de precio provenientes del mercado. Este

tipo de planes se presenta principalmente como una herramienta de manejo de

demanda de punta en los sistemas eléctricos.

Como se menciona anteriormente, los esquemas tradicionales de

planificación, en términos simplificados, utilizan las condiciones de demanda en

forma de bloques estáticos y a partir de estos se busca realizar un emparejamiento

con el inventario de opciones de generación que ofrece el mercado, dando prioridad a

aquellas más económicas de forma de construir un plan de mínimo costo.

Una demanda con características dinámicas de respuesta, permite tomar

ambos procesos en forma paralela, interactuando en la búsqueda del plan de

inversión óptimo. Esta participación activa debe soportar modificaciones en la curva

de carga de los consumidores con una profundidad tal que permita disminuir los

costos de generación del sistema ante períodos de congestión, pudiendo no solo

desplazar generación más cara, sino también posponer o evitar inversiones en

capacidad para poder abastecer los consumos en dichos períodos.

Los planes de gestión de la carga han sido desarrollados en distintos países

del mundo desde hace algunos años. Sin embargo, el crecimiento explosivo de las

economías mundiales, reflejado en un sostenido aumento de la tasa de crecimiento

22

del consumo eléctrico, hace que hoy sea uno de los temas más relevantes dentro del

mercado de la energía.

En países como Estados Unidos el desarrollo de estos programas datan de

los años 80, originalmente con aplicaciones consistentes en el control remoto, por

parte de las empresas eléctricas, de algunas características de consumo de los

clientes. A través de los años, esta responsabilidad ha sido trasladada directamente al

usuario, a través de la liberalización del precio de la energía, de manera que las

tarifas representen los costos reales de generación, transmisión y distribución, y que

de esta forma el consumidor pueda adaptar sus requerimientos a las condiciones del

sistema. Esta metodología se hace efectiva mediante la instalación de medidores

inteligentes capaces de registrar y comunicar on line, y en ambas direcciones, tanto

los consumos de los clientes como los precios actuales de energía.

Los planes de gestión de la carga se definen dentro de dos dimensiones

(Tabla 2-1). La primera caracteriza el cómo y el cuándo se hacen efectivos estos

planes, mientras la segunda da cuenta de la motivación que tienen las empresas

distribuidoras para hacer efectivos estos programas.

Tabla 2-1: Clasificación de los programas de gestión de la carga

Respuesta a la Carga Respuesta al Precio (Control Directo) (Control Indirecto)

Control Directo de la Carga Tarifas CCP

Cargas Interrumpibles

Cargas Desconectables Licitacion de servicios

Tarifas TOU

Control Directo de la Carga Tarifas CCP

Cargas Desconectables Tarifas RT

Licitacion de servicios

Motivación

Seguridad

A cci ón

Economia

23

Los planes que ofrecen pagos por la reducción de los consumos en períodos

específicos de tiempo se les llaman planes de respuesta de la carga, correspondiente a

un control directo de los consumos. Por otro lado, los programas que incentivan de

forma indirecta a que los clientes modifiquen sus patrones de consumo

voluntariamente, ante señales de precios del mercado, son conocidos como planes de

respuesta a precios.

La dimensión técnica-económica hace relación al momento de la ejecución,

teniendo impacto en el corto plazo las que se refieren a seguridad, ante contingencias

en la operación del sistema. Las del ámbito económico, por otro parte, se refieren a

aquellas en que son los clientes los que reaccionan a través de su consumo ante las

condiciones del mercado le resultan favorables desde el punto de vista económico.

La definición de las tarifas de características flexibles conocidas como Real

Time Pricing (RTP), Time of Use (TOU) y Critical Peak Pricing (CCP), pueden

verse en el Anexo A: Tarifas Dinámicas.

A continuación se presenta de forma más detallada los planes de gestión de

la carga desde el punto de vista del cómo y cuándo son ejecutados.

2.3.1 Respuesta a la carga

La principal característica de los programas de respuesta a la carga es que

las compañías de distribución son las encargadas de definir en forma directa la

modificación de los patrones de consumo de cierto grupo de clientes. Esta

intervención se extiende tanto al plano espacial como al temporal, presentando

atribuciones para alterar el consumo cómo y cuándo se estime conveniente. Con esto,

el rol de los clientes se limita a la decisión de participación o retiro de este tipo de

programas.

A diferencia de las aplicaciones anteriores, estos planes se basan

principalmente en el manejo de la potencia máxima del sistema. A través de distintas

prácticas, se busca la modificación de la demanda de punta, desplazando o

reduciendo su magnitud, según conveniencia de la empresa distribuidora. Estos

programas se definen principalmente como medida de contingencia por parte de las

distribuidoras, en donde la retribución económica es entregada directamente por parte

24

de las empresas a sus clientes, en función a la profundidad del cambio en los patrones

de consumo que dicho cliente haya generado, y viene a compensar los inconvenientes

percibidos a causa de la implementación de este tipo de programas, como puede ser

la pérdida del confort o la desviación de las actividades normales a causa de este

funcionamiento controlado. Estos incentivos no reflejan necesariamente el valor que

el mercado otorga al cambio en el perfil de consumo del cliente, y a la vez, a estos se

les paga incluso si el programa no está activado.

Por lo general, y debido a su impacto inmediato y profundo en las curvas de

carga tanto individuales como generales, estos planes son utilizados en situaciones

donde la demanda aparece cercana a los límites operacionales del sistema, de modo

de aliviar el funcionamiento de este en situaciones de congestión, a través de la

reducción del consumo de punta, en ingles Peak Clipping, característica que hace que

su efecto no sea sustentable en el tiempo (Figura 2-3).

Figura 2-3: Estrategias de reducción de la punta

Los planes de respuesta de la carga se dividen en grupos, los que se

describen a continuación.

25

a) Control directo de la carga

Estos programas permiten a la empresa distribuidora intervenir en los

funcionamientos normales de cierto tipo de aplicaciones, de forma unilateral, de

modo de reducir de manera forzada los niveles de demanda de estos equipos en los

períodos de mayor consumo energético.

Generalmente en este tipo de programas participan clientes comerciales y

residenciales y son aplicados de forma limitada, con una cierta cantidad de horas y

días máximos al año.

Tradicionalmente los equipos que participan en este tipo de planes son los

de climatización y refrigeración, sumándose en la actualidad sistemas de iluminación

en edificios comerciales, bombas de piscinas y calentadores de agua en zonas

residenciales, los que también se han hecho participes de estos métodos de control de

demanda de punta.

Dentro de este marco es que se desarrolla el modelo presentado en esta

investigación. El capítulo tres trata en profundidad sus características.

b) Cargas desconectables

Generalmente estos programas hacen referencia a cargas gestionables de

mediana magnitud (100-500 kW). Los participantes en éste se comprometen a reducir

o apagar cargas específicas por un período de tiempo predeterminado, cuando así lo

requiera la empresa distribuidora. Los clientes pueden interrumpir sus consumos ya

sea de forma manual o automática, dependiendo de la tecnología que ellos dispongan

para estos fines. Las empresas distribuidoras deben notificar a sus clientes antes de

llevar a cabo dichas intervenciones, de forma que estos puedan adecuar sus consumos

y prepararse para dicha operación forzosa, avisos que generalmente van desde

minutos a horas anteriores al suceso. Además, la empresa distribuidora determina de

antemano el número de eventos y su duración máxima por cada año.

El rango de incentivos económicos entregados por la distribuidora por la

participación en este tipo de programas es muy amplio. Según la literatura, estos

incentivos pueden incluir un crédito mensual por capacidad ($/kW), un crédito por

capacidad más un descuento por unidad de energía reducida ($/kWh), o en algunos

26

casos pago con precios variables los que son tratados como opciones financieras, es

decir, se contrata un precio bajo el cual el cliente se compromete a una reducción

prefijada, y queda en la empresa determinar si dicho contrato es despachado o no. Si

los clientes participantes no respetan la orden de interrumpir las cargas, se exponen a

fuertes penalizaciones económicas, tomando en cuenta que los bloques de carga

comprometidos son de mediana magnitud y que estos planes se ejecutan en períodos

de riesgo para el sistema.

c) Cargas interrumpibles

Los clientes que participan en este tipo de programas se comprometen a

interrumpir gran parte o incluso la totalidad de los consumos en un período de tiempo

determinado por la empresa distribuidora. Sólo los grandes clientes tienen la

posibilidad de enrolarse en estos programas (> 1 MW en punta). Por las magnitudes

de carga, estos clientes se transforman en fuentes virtuales de generación, al existir la

posibilidad de que dichas cargas sean “despachadas” en ciertos períodos directamente

por parte de la empresa distribuidora, reduciendo la demanda, y evitando el

requerimiento de centrales menos económicas en la búsqueda del equilibrio oferta-

demanda. En estos escenarios resulta muy común la aplicación de sistemas de

autogeneración en las empresas para aquellos momentos en que el suministro es

interrumpido, generalmente correspondiente a motores diesel, caracterizados por

poseer costos de capital reducidos, con altos costos operacionales.

De esta forma, si el pago por enrolarse es mayor que el costo de

autogenerar, a los clientes les resultará conveniente desde el punto de vista

económico la participación en estos programas, a la vez que resulta eficaz para el

sistema reducir la necesidad de capacidad instantánea en reserva, disminuyendo los

riesgos asociados a la falta de suministro.

Al igual que para los planes anteriores, la cantidad máxima de horas y la

duración de estas interrupciones quedan definidas de antemano, al momento en que

los clientes deciden participar en ellos.

A cambio de su compromiso de interrumpir la carga, los participantes

reciben facturas de electricidad más bajas durante los períodos normales, así como

27

incentivos adicionales (similar al programa de incentivos de las cargas

desconectables) para cada caso. Debido a que sólo los grandes clientes clasifican en

este tipo de programas, la participación se aplica por medio de acuerdos bilaterales

entre la distribuidora y el cliente. Estos contratos son vinculantes y como tal, los

clientes serán despachados sólo en situaciones de emergencia para el sistema, ante

una notificación anticipada, proveniente de la empresa distribuidora, la que

generalmente corresponde a minutos o a horas como mínimo, pero que puede ser

también con un día de anticipación.

d) Cargas agendables

Estos programas se caracterizan por poseer un calendario de desconexión

para las cargas enroladas, el que es determinado entre la empresa distribuidora y el

cliente con gran anticipación, permitiéndole adecuar sus actividades y consumos

según dicha agenda desconectable definida. La gran desventaja de este tipo de

programas es que son planes poco flexibles pues no se puede requerir de la carga

comprometida por el cliente más que en aquellos períodos agendados. Por lo demás,

las fechas de los eventos desconectables pueden no coincidir con los períodos críticos

del sistema, quedando expuesto a contingencias inmanejables.

2.3.2 Respuesta al precio

Las aplicaciones de control indirecto de la carga, o también llamados

programas en respuesta a precios, buscan llevar a conocimiento de los usuarios

señales de precio que identifiquen la operación real del sistema generador,

permitiendo conocer al cliente el costo real de la unidad de energía que está

consumiendo y, a partir de este, modificar según sus propias conveniencias y de

forma voluntaria sus comportamientos de consumo. Cada cliente puede entonces

decidir cómo, cuándo y por cuánto tiempo debe alterar su forma de consumo,

obteniendo retribuciones económicas provenientes de dicho comportamiento.

De igual forma que los programas de estrategias de crecimiento o

conservación, los programas de respuesta al precio, buscan un manejo de la energía

consumida, y no de la potencia como los planes de control de la carga.

28

A la hora de la planificación y la tarificación de los servicios se estima que

los consumidores no son capaces de responder a variaciones en el precio, con

características de aversión al riesgo, por lo que no desean hacer frente a volatilidades

fuera de su control, temiendo cuentas más altas, sin reconocer que los precios bajos

en ciertos períodos más que compensan los precios altos del resto del año, lo que

puede traducirse en cuentas más bajas. Sin embargo, aunque los consumidores

tuvieran comportamientos más arriesgados, con los sistemas de tarifas rígidas, como

los existentes hoy en la regulación chilena, no existe motivación alguna buscar

perfiles de consumo más activos, ya que, en la mayoría de los casos, el precio a pagar

es invariante en el tiempo.

Un sistema de precios flexibles que refleje de mejor manera las

contingencias del corto plazo, permite aumentar la eficiencia en el uso de la

capacidad de generación existente y postergar en cierta medida la necesidad de

instalación de nueva capacidad, particularmente en sistemas eléctricos sujetos a gran

variabilidad ya sea en la oferta como en la demanda.

Normalmente estos planes se refieren a modificaciones de patrones en el

largo plazo, pues conllevan procesos de educación de los clientes a lo que en sus

consumos racionales se refieren. Es por lo mismo que sus resultados son sostenibles

en el tiempo, ya que de cierta forma el cliente es el que aprende a optimizar su

consumo, haciendo el funcionamiento general del mercado más eficiente.

El enfoque final de este tipo de programas es modificar la curva de carga, ya

sea para llenar las zonas de menor consumo, a través del incentivo de tarifas más

económicas en dichas horas que motiven la introducción de nuevas tecnologías que

permitan sacar provecho de esta eventualidad, como pueden ser sistemas

acumuladores de calor; o simplemente desplazar cierto consumo que de manera

ordinaria se produce períodos de punta, hacia zonas de menor costo de generación

para el sistema. En la literatura, estos dos enfoques se conocen como relleno de las

zonas valle (Valley Filling) y desplazamiento de la curva (Load Shifting)

respectivamente (Figura 2-4 y Figura 2-5).

29

Figura 2-4: Estrategias para rellenar zonas valle

Figura 2-5: Estrategias de desplazamiento de la punta

Para los clientes que pueden cambiar sus perfiles rápidamente, el costo de la

instauración de una demanda de respuesta dinámica es fácil. Además se puede

automatizar equipos para aprovechar esta variación horaria sin la necesidad de estar

pendientes todo el tiempo de variaciones en el mercado. Pero también existen clientes

para los cuales es imposible modificar los perfiles diarios de consumo. Es por esta

diferenciación de clientes que puede resultar atractivo para los distribuidores la

instauración de nuevos esquemas de precios, ya que a través de ellos entran a escena

30

nuevos modelos de negocios. Mientras los clientes residenciales pueden ser servidos

de formas similares al modo actual, al ofrecer seguros que eliminen el riesgo de la

volatilidad, con los clientes industriales y comerciales se pueden aprovechar ofertas

más sofisticadas del programa, incluyendo la posibilidad de ofrecer reducciones de

carga a modo de reservas ante contingencias, para propósitos de desarrollar mejores

niveles de confiabilidad del sistema. Sin embargo, este tipo de programas tiene una

serie de dificultades. Un obstáculo fundamental es la incertidumbre del regulador.

Para que los beneficios de los precios dinámicos afloren, el mercado debe ser

competitivo, pues cualquier falla en él producirá injusticias entre los agentes

participantes. Una de las exigencias que piden los reguladores es entregar una suerte

de póliza de seguro que se incluyen en las tarifas de los clientes y en las ganancias

del abastecedor del servicio que garantizan el suministro mediante un reparto justo.

Por lo demás, el regulador deberá decidir quién paga las nuevas instalaciones y

equipos a utilizar con estos nuevos programas de tarificación. Con estos sistemas de

precios el operador podría incrementar su rol en la mantención del equilibrio del

sistema.

Se suma a esta barrera para la introducción de estos esquemas de precios las

innovaciones tecnológicas necesarias para esto, especialmente en lo que es desarrollo

de nuevos tipos de medidores y de nuevas formas de facturación. Los medidores

actuales son acumulativos y no difieren el momento del consumo, es decir, no

discrimina si el consumo se produjo en hora punta, de valle o de no punta. Los

equipos requeridos para la implementación de los precios dinámicos deben tener

intervalos de medida de forma de registrar los consumos en tiempo real. Además

deben poseer un sistema automatizado de comunicación de manera de transmitir de

forma remota la información al centro de procesamiento de datos, el que debe ser

capaz de permitir acceso continuo del usuario a sus datos on line. De este tipo se han

desarrollado tanto hardware como software basado en radio frecuencia, tecnología

celular y PLC5 para la comunicación entre los distintos puertos.

5 Power Line Comunication: Sistema de comunicación que usa como vía para transmitir datos la red eléctrica de bajo voltaje.

31

El sistema, por otra parte, no es efectivo si los clientes no reciben la

información que les permita responder a la demanda cambiando sus perfiles de

consumo, por lo que el acceso a la información debe ser fácil y rápido. Internet es la

herramienta más óptima para dicha función. La instauración de estos esquemas

también implica cambios en lo que es la facturación mensual del uso de la

electricidad. Esto porque el uso de intervalos requiere de mayor cantidad de datos a

procesar con un consiguiente costo de realizarlo.

Con todo esto es fácil que el mercado no vea de forma clara los beneficios

que podría tener, en el corto plazo, la instauración de estos esquemas de precio, ya

que muchas veces, debido a los múltiples requerimientos de los precios dinámicos,

los costos pueden exceden a los beneficios, o al menos eso puede parecer,

principalmente debido a que no siempre se incluye la eficiencia del mercado en lo

que son beneficios para las empresas eléctricas, eficiencia que puede inducir a un

mercado más competitivo.

Dentro de estos programas, se identifican cuatro estrategias basadas en

precio para la modificación de los patrones de consumo, las que se pueden ver en el

Anexo A: Tarifas Dinámicas

32

3. CONTROL DIRECTO DE LA CARGA

Los planes de Control Directo de La Carga (CDC) se insertan dentro del conjunto

de aplicaciones pertenecientes al marco de la gestión de la demanda, y se caracterizan por

reducir y diferir los consumos en períodos de punta, interfiriendo de forma remota en la

operación natural de ciertos dispositivos.

Las metas de este tipo de actividades son asociadas con beneficios operacionales

para las empresas de distribución, producto de un incremento en el factor de carga de las

instalaciones, reducción de la demanda de punta, mejora en factores de seguridad,

reducción de pérdidas y costos, entre otros. Más recientemente estos planes se han

enfocado a la reducción de la volatilidad de los precios en el mercado de la energía,

principalmente en sistemas integrados, y en la postergación o evasión de nueva inversión

en capacidad.

Generalmente estos esquemas son aplicados a clientes residenciales y comerciales,

los que solo pueden definir si desean o no enrolarse en los programas, mientras que es la

empresa distribuidora la que determina cuando, como, y por cuanto tiempo se modifiquen

los patrones de consumo de cada participante. Las retribuciones económicas vienen dadas

directamente por parte de la distribuidora, tomando en cuenta la pérdida de confort o

alteración en la operación diaria que puede acarrear para éstos la participación en este tipo

de programas.

3.1 Definiciones

El aumento explosivo de la demanda de punta debido al crecimiento en los

consumos comerciales y al desarrollo económico, ha generado gran inquietud en

torno a la necesidad en el corto plazo de abastecer dicha evolución a través, tanto de

la capacidad instalada existente, como también de opciones de ampliación e

inversión en nuevas instalaciones. Esto ha generado dificultades en la planificación

en capacidad para todo el sistema, particularmente en distribución, problema cuya

solución puede ser muchas veces no sólo poco rentable sino que impracticable,

debido a la dificultad de encontrar sitios apropiados para la construcción de estas

instalaciones. En la actualidad, el alto costo de inversión en nueva capacidad ha

motivado a las empresas eléctricas a la búsqueda de procesos de optimización de las

33

formas de uso de las instalaciones existentes. Esto ha derivado en la aplicación de

sofisticadas estrategias de manejo de energía y potencia, como lo son los planes de

gestión de la carga.

Tomando en cuenta la efectividad en el corto plazo que presentan este tipo

de aplicaciones CDC, es que se transforman en herramientas prácticas para obtener,

al mismo tiempo, reducción de la potencia de punta, seguridad y reserva para el

sistema, sin incurrir en la necesidad de invertir en aumento de capacidad para dar

abasto tan solo a estos períodos de urgencia, con escenarios de sobre capacidad en el

resto del año.

Para llevar a cabo este tipo de programas se requiere de cargas individuales

que funcionen bajo ciclos de operación modificables de forma externa. Este tipo de

cargas son categorizadas en dos grupos:

• Cargas de control termostático: A este grupo pertenecen los equipos de aire

acondicionado, calentadores de agua y bombas de calor, los que contribuyen

de gran manera al consumo de distribución. Además son del tipo de carga

onda cuadrada, presentando requerimientos de energía sólo en ciertos

intervalos de tiempo, con una posterior desconexión, o reducción a carga

parcial para el ciclo restante, dentro del período de funcionamiento.

• Cargas de control manual: A este grupo pertenecen las aplicaciones que

pueden ser encendidas y apagadas según el criterio de los propios usuarios, lo

que implica una importante influencia del estilo de vida en el control y en la

contribución de estas cargas al consumo total. Dentro de este grupo se

encuentra principalmente los sistemas de iluminación y control de motores.

Los dispositivos controlables termostáticamente son los primeros candidatos

para la implementación de programas CDC, debido a que ellos poseen

comportamientos asociados a inercias térmicas que favorecen la intervención en sus

ciclos naturales de operación. Debido a esta característica es que pequeñas

interrupciones de los recursos podrían incluso no tener influencia en el confort de los

usuarios. Por otro lado, para este tipo de aplicaciones, los consumidores suelen no

conocer de manera exacta cuando está funcionando el equipo, interesando sólo el

servicio final que estas prestan, y no el modo como lo llevan a cabo. Esto presenta

34

oportunidades para poder modificar y diferir sus perfiles de carga, especialmente si

esta acción puede realizarse de manera automática a través de controles

programables o interfaz en línea con un centro de operación.

Dentro de este grupo se encuentran los equipos de aire acondicionado, los

que cumplen un rol fundamental en la aplicación de estos programas, debido a la

importancia de su consumo dentro de la demanda final de los clientes,

específicamente en las temporadas de verano, y a la alta correlación que tiene su

consumo de punta con la demanda máxima del sistema.

Este control se realiza generalmente en períodos que van entre las 3 y 10

horas por día, dependiendo de la duración de la demanda de punta en la zona de

influencia del programa. El rango de este tipo de aplicaciones va desde estrategias

fijas basadas en el tiempo, hasta sofisticados métodos de optimización, donde los

períodos de desconexión son fijados o ajustados un período de base - usualmente 15

o 20 minutos - o fijados de forma dinámica basados en mediciones en tiempo real de

la temperatura ambiente. Esto da a lugar a la imposición de un nuevo ciclo de

operación, de carácter forzado, eliminando el comportamiento natural de los

termostatos.

Durante el período de interrupción, la temperatura de la zona a climatizar

por el equipo aumenta, lo que genera una pérdida de confort para los usuarios. Sin

embargo, al aprovechar las inercias térmicas antes mencionadas, y utilizando el

confort como una restricción al momento de ejecutar los programas, puede ser que su

aplicación o bien no sea percibida por el usuario, o por el contrario, que este reciba

un beneficio económico que compense dicha pérdida de confort.

De esta forma, en orden de capturar de manera efectiva las preferencias de

los clientes, es que se debe tener en cuenta una serie de parámetros que juegan un rol

importante en la evaluación del modelo:

• Las temperaturas de confort para los clientes.

• La máxima desviación de temperaturas que estos pueden tolerar.

• La distribución de los ciclos de operación.

• El comportamiento térmico de las zonas de acción.

35

• El efecto payback.

Estos parámetros se definen más adelante en el cuerpo de este informe.

El éxito de estas estrategias y su mantención en el tiempo depende no solo

del diseño y la configuración de soporte del hardware y software, sino mucho más

dependiente de:

• La aceptación de los clientes: a mayor nivel de carga gestionable, mayor

profundidad en el cambio de la curva de carga a nivel global.

• El funcionamiento del hardware requerido por los planes CDC,

principalmente lo referido al control y a la comunicación entre los equipos

gestionables y el centro de operación y control del programa.

• El impacto de la curva de carga gestionable agregada de la curva del sistema

o de la subestación.

También es importante recalcar que al ser planes eficientes en el corto

plazo, su efecto no es sustentable en el tiempo. Para que así sea, debe ir acompañada

de acciones de parte del regulador, de modo que se logren modificaciones

permanentes en los comportamientos de los consumidores, y que no solo sea usada

esta herramienta en períodos de emergencia.

3.2 Estado del Arte

Estados Unidos ha sido el país pionero en los planes CDC. Por lo mismo es

que prácticamente la totalidad de los planes revisados en la bibliografía pertenecen a

aplicaciones en dicho país.

3.2.1 Estados Unidos

La respuesta de la demanda en Estados Unidos es utilizada desde hace

algunos años como herramienta en la planificación y operación del sistema eléctrico.

Existen una serie de programas de este tipo operados por empresas de

servicios públicos, así como también se pueden encontrar programas de ámbito

estatal dirigidos por las autoridades de California y Nueva York. Según los

resultados a nivel nacional publicados en Rocky Mountain Institute, 2006, en EE.

36

UU. los programas de gestión de la demanda se dividen tal como lo muestra la

Figura 3-1.

Figura 3-1: Categorización de los programas de gestión de la demanda en EE. UU.

Según datos de la Electric Power Reseach Institute (EPRI), el potencial total

de reducción de demanda responsiva en los EE. UU. es de alrededor de 45.000 MW,

o el 6,4% de las previsiones de uso de la base de referencia. Además un 70% de los

participantes en los programa de este tipo son grandes o muy grandes clientes.

Dentro de EE. UU. las tres regiones con mayor capacidad de generar

reducción a través de los planes de gestión de la carga, según la Rocky Mountain

Institute, 2006, al año 2003, son las FRCC (Florida Reliability Council), MAIN

(Mid-American Interconnected Network), y la MAPP (Mid-continent Area Power

Pool).

Categorización de los programas de Gestión de la demanda en EE. UU.

Respuesta a la Carga: 33

Respuesta al Precio: 22

Núm

ero

de P

rogr

amas

Carga Desconectable

Carga Interrumpible

Control Directo

Carga Agendable

TOU RTP Oferta de demanda

37

Figura 3-2: Reducción de la demanda de punta en EE. UU.

La gama de programas responsivos en los EE. UU., cubre tanto las tarifas en

tiempo real, cargas desconectables de emergencia, respuesta a la demanda voluntaria,

ofertas de reducción y programas CDC.

Los equipos de aire acondicionado (HVAC) e iluminación son los más

habituales blancos de los programas CDC en los EE. UU. Con frecuencia, ambos

corresponden a la mayor parte de los consumos finales de los clientes comerciales y

residenciales, además de estar altamente correlacionadas sus períodos de demandas

máximas con los del sistema. Para aquellas zonas en que la demanda máxima se

encuentra en los meses de verano, se presentan innumerables oportunidades de

gestionar cargas de equipos HVAC hacia la reducción del consumo de punta. Para

aquellas zonas cuyas horas de puntas se encuentran en invierno, la calefacción

eléctrica y los sistemas calentadores de agua se presentan como los principales

contribuyentes de uso final.

La siguiente figura indica la distribución típica de aplicaciones gestionables

en los estados de California y Nueva York (Rocky Mountain Institute, 2006), en

relación a la posible penetración de los programas de gestión de la demanda en las

distintas alicaciones disponibles.

38

Figura 3-3: Aplicaciones típicas en EE. UU. para programas CDC

En California, la Public Utilities Commission ha adoptado metas específicas

en respuesta de la demanda para tres de las empresas eléctricas que operan en dicho

estado, Pacific Gas and Electric (PG&E), San Diego Gas & Electric (SDG&E), y

Southern California Edison (SCE).

Estos programas se han aplicado y propuesto bajo dos subcategorías:

a) Notificación anticipada.

• Demand Bidding Program: Estos programas son a nivel estatal, en los cuales

los clientes ofrecen una cierto monto de energía que están dispuestos a

reducir ante situaciones de contingencia en el mercado eléctrico. Las

empresas distribuidoras dan aviso del requerimiento el día anterior, con

carácter obligatorio, siendo compensados económicamente los participantes

sólo por el importe efectivo de la reducción.

• E-SAVE (PG&E): A los participantes se les paga $ 0,20/kWh para una

reducción de 20% en la carga cuando el programa se activa. La PG&E activa

el programa al día siguiente que el precio de mercado de la energía exceda los

$ 0,20/kWh durante más de cuatro horas. No se imponen sanciones por la no

reducción.

Iluminación Cargas Conectables HVAC Cargas Industriales Refrigeración Motores Ascensores

39

b) Criterio de seguridad

• Summer Discount Plan (SCE): El Plan de Descuento Veraniego también se

conoce como el "Programa de Regulación del Aire Acondicionado” o sus

siglas en inglés ACCP. En él se puede elegir uno de los dos programas de

Regulación del Aire Acondicionado Comercial ofrecidos por SCE: el ACCP

Básico o el ACCP Mejorado, cada uno de los cuales proporciona una de

cuatro opciones de apagado. El plan Mejorado ofrece el doble del crédito por

apagar su aire acondicionado una cantidad ilimitada de veces al año. Cada

uno requiere una participación mínima de un año a partir de la fecha en que

comienza su servicio en el programa.

Estos programas apagan los consumos de los equipos de aire

acondicionado cuando se requiere de forma inmediata una reducción de

carga, bajo un ciclo determinado de antemano, al momento de contratar la

participación en los programas. Los participantes reciben de forma directa

una compensación económica basada en la profundidad de la reducción que

implica la aplicación de estas prácticas.

El porcentaje de reducción anual de la carga en los períodos críticos

de sistema durante los meses de verano del 2004 y 2005, por ejemplo, fue de

4,8% en los pequeños clientes y 6,7% para los grandes clientes. Los cliente

que poseían tecnología de termostatos inteligentes alcanzaron niveles de 10%

para los pequeños consumidores y de 13% para los grandes consumidores.

40

Figura 3-4: Tarifas Summer Discount Plan

• E-BIP (PG & E): Se realiza un compromiso de reducción en el consumo por

parte de los participantes, a un costo predeterminado, cuando el Operador del

Sistema Independiente de California (CAISO) emite un aviso de reducción de

carga en caso de una emergencia local de la fiabilidad. Hay dos opciones de

participación. La opción obligatoria da a los clientes participantes el pago de

una comisión mensual por reducir la demanda de electricidad a un punto

predeterminado cuando se les requiere, dando un aviso 30 minutos antes del

requerimiento, con un máximo de un evento por día y cuatro horas por

evento. Estos programas no pueden exceder 10 eventos por mes o 120 horas

por año calendario. La opción voluntaria paga a los clientes una cantidad fija

por kWh reducido al momento que la empresa distribuidora requiere de sus

servicios. El aviso para este tipo de planes se da 4 horas anterior al suceso y

41

no tiene limitaciones de aplicación por el hecho de ser programas voluntarios,

sin penalizaciones por no cumplimiento.

• Residential Smart Thermostat (SDG&E): Inicialmente creado como plan

piloto en el 2004. En él la empresa distribuidora busca aumentar remotamente

la temperatura de set point de los equipos de aire acondicionado a través de

termostatos inteligentes, de forma de reducir la carga consumida por estos

equipos en períodos de alta demanda, recibiendo sus participantes incentivos

económicos dependientes de la profundidad de la alteración de los perfiles de

carga.

Xcel Energy, la cuarta compañía de energía de producción combinada de

electricidad y gas natural de los Estados Unidos, ofrece una lista comprensiva de

productos energéticos y de servicios a 3,3 millones de clientes de la electricidad y a

1,8 millones de clientes del gas natural, en ocho estados de EE. UU. (Colorado,

Michigan, Minnesota, Nuevo México, Dakota del Norte, Dakota del Sur, Texas y

Wisconsin).

A través de los programas CDC que ofrece Xcel Energy, conocidos como

Saver's Switch, se habilita a la empresa distribuidora, a través de un control remoto

universal que opera el compresor de los equipos de aire acondicionado de los

participantes, a modificar los ciclos naturales de operación de estas aplicaciones, en

intervalos de 15 a 20 minutos según los requerimientos de esta, en las horas de

mayor demanda para el sistema. De esta forma, los 315.000 clientes residenciales y

13.000 clientes comerciales inscritos en estos programas reciben descuentos

provenientes a su aporte a la reducción de la demanda en el área de influencia del

programa, los que en su totalidad podrían reducir la demanda en alrededor de 315

MW de potencia.

Los clientes residenciales en Minnesota, Dakota del Norte y Dakota del Sur

que comprometen sus equipos de aire acondicionado reciben un 15 por ciento de

descuento en los cargos de fin de mes.

En Wisconsin, los participantes residenciales de Xcel Energy reciben un

descuento fijo de de seis dólares en cada uno de los cuatro meses de la temporada de

verano. Además, para aquellos clientes que adicionan los calentadores de agua

42

eléctricos para control en las temporadas de invierno, se agrega un pequeño

descuento adicional en la cuenta por todo el año. Los clientes comerciales reciben

beneficios económicos proporcionales a su modificación de perfiles de consumo.

Florida Power and Light (FPL) es el que tiene el mayor y más antiguo

programa de CDC en EE. UU., con más de 710.000 clientes comerciales y

residenciales participando de él, acumulando cerca de 1.000 MW de potencia

gestionable. Las aplicaciones que participan en estos programas son calentadores de

agua, motores de piscina, y sistemas de aire acondicionado central. El control de la

carga viene a través de un circuito central de aplicaciones, conectado directamente

vía VHF con el control central en la empresa de distribución. Las aplicaciones son

operadas entonces bajo los siguientes ciclos:

• Calentadores de agua: cuatro horas apagadas por día en situaciones de alta

demanda.

• Motores de piscina: cuatro horas apagadas por día en situaciones de alta

demanda.

• Plan A. Control equipos de aire acondicionado y calefacción: Siete minutos y

medio apagado en ciclos de media hora.

• Plan B. Control equipos de aire acondicionado y calefacción: Quince minutos

apagado en ciclos de media hora.

En Weller (1988) se describe el funcionamiento de estos programas. Estos

se basan en la agrupación de los participantes en grupos de acción, que siguen el

mismo patrón de encendido y apagado. Estos bloques usualmente lo conforman

5.000 clientes cada uno.

3.2.2 Dinamarca

Los planes de gestión de la demanda desarrollados en Dinamarca han tenido

características de piloto. En 2003 se distribuyó a 25 familias calentadores eléctricos

controlados, como parte el programa llamado EFFLOCOM6 que reunió a 5 países,

Noruega, Dinamarca, Finlandia, France e Inglaterra, en búsqueda de remover las

barreras del desarrollo de la eficiencia energética a través de investigaciones de la 6 Fuente: SINTEF (2005)

43

respuesta de los clientes a los diferentes servicios que pueden entregar los mercados

desregulados.

Este proyecto en particular busca examinar la respuesta de los usuarios

finales de los servicios durante períodos de alta demanda, y por ende, altos precios.

El estudio incluía el desarrollo, la prueba y la evaluación de incentivos que estimulen

la flexibilidad en los consumos y a compensación basada en la reacción de los

consumidores a las variaciones de los precios.

Entre los meses de Noviembre de 2003 y Abril de 2004 se puso en

operación un programa basado en tarifas TOU y medios de comunicación

bidireccional a través de sistemas GPRS e Internet. Este lograba controlar 5 kW por

casa, durante 100 horas, en la temporada de invierno, con retribuciones por cliente de

80 euros por el hecho de participar, más un beneficio adicional de 40 euros/año

ahorro de energía.

Aproximadamente 125.000 hogares pusieron en práctica este plan piloto,

alcanzando un potencial gestionable de 400 MW equivalente al 6% de la demanda de

punta en el país.

3.2.3 Nueva Zelandia

Durante 2 años se desarrollaron en este país planes de respuesta de la

demanda. En primer lugar estos tenían como objetivo identificar la potencial

magnitud de carga que podía ser gestionada, y en segundo lugar desarrollar

aplicaciones que permitan explotar dicho potencial, de forma de permitir la

participación activa de los consumidores en el mercado de la electricidad. En Nueva

Zelandia se desarrollaron planes que abarcan varios aspectos de la gestión de la

demanda:

• Receptores de control remoto: los clientes comprometen ciertas aplicaciones

para que la compañía de distribución modifique de forma remota la operación

de dichas cargas. Pago por participación y por reducción de potencia.

• Opciones de llamada: los clientes toman la determinación de reducir o no sus

cargas, ante un llamado, cuando la operación del mercado así lo requiera, de

la empresa distribuidora. Se paga solo por la reducción, la cual es voluntaria.

44

• Intercambios de carga: a través de mecanismos de intercambio, usuarios

pueden ofrecer reducciones de carga a las empresas distribuidoras. Su

implementación se realiza ya sea mediante sistemas automatizados vía web, o

por sistemas electrónicos.

• Compradores en mercado spot: grandes clientes pueden exponer por

completo o en parte sus consumos al mercado spot o a tarifas flexibles (TOU)

de forma de modificar su uso de electricidad en períodos de precios altos,

desplazando hacia zonas de menor costo de generación.

3.2.4 Noruega

Los planes de gestión de la demanda en Noruega tienen dos aristas de

desarrollo.

• Smart-House Remote Control: consiste en el control de mínimo 2 MW entre

los clientes comerciales en Oslo. Para cada 7 de 14 clientes se ha logrado un

control de 8,8 MW, que representa el 49% de su demanda de punta. Las

barreras a estos programas guardan relación al número y la duración de las

interrupciones.

• Avoiding Grid Capacity Expansion: los objetivos de estos programas

consisten en aplazar, a través de la reducción de la demanda de punta, la

necesidad de expansión de la capacidad de la red en un 10%.

Para los clientes comerciales se fijó la meta de reducción en 2,5 MW

(10,5 GWh) por año, a través de estrategias de gestión de la carga. Para llevar

a cabo estos planes se pusieron a prueba 156 edificios de departamentos, 13

de comerciales y 18 casas residenciales pareadas. A estos se les distribuyó en

las zonas residenciales equipos Ebox “plug & play”, que constan de un

procesador, receptor de radio, control externo de encendido y apagado,

termostato y reloj interno, como herramienta de control maestro de

aplicaciones y como sistema de comunicación con la empresa distribuidora.

Los clientes comerciales han orientado sus esfuerzos hacia los

sistemas de automatización de funciones y de recambio de aplicaciones, en

búsqueda de la eficiencia energética. Para los clientes comerciales la

45

demanda de punta se redujo en 4,5 MW y el ahorro de energía resultó de

alrededor de un 15%.

3.2.5 Australia

El año 2004 se llevó a cabo en Sydney un programa llamado Demand

Curtailment Project, cuyo fin era reducir la demanda de punta del sistema

(Ministerial Council on Energy, 2007). Este programa consideraba como

herramientas reductoras los sistemas de aire acondicionado central de una serie de 10

edificios, en los cuales se llevo a cabo el estudio para definir la efectividad del

programa, teniendo como resultados la disminución de cerca del 25% de reducción

de la demanda de punta del edificio testeado.

Al año 2007, estos programas cuentan con 777.905 clientes con equipos de

aire acondicionado, los que reúnen cerca de 2.814 MW de demanda máxima

estimada. Los requisitos de los equipos de aire acondicionado, ya sea central o de

ventana, es que tengan potencia mayor a 2,5 kW, que opere durante los períodos de

punta del verano, y que tengan menos de 5 años de antigüedad. Los resultados

actuales son la reducción promedio de 1,3 kW en los equipos centrales y 0,7 kW en

los equipos de ventana, por participante, mientras que en equipos de piscina la

reducción es de 0,5 kW. Los períodos de reducción son los meses de verano, con un

límite máximo de 40 horas por año.

Los incentivos económicos son de 50 dólares por año en caso de contar con

equipos de aire acondicionado, y 75 dólares si el programa se aplica tanto a equipos

de aire y motores de piscina. (CRA International, 2006)

46

4. ZONA CORREDOR DE LAS CONDES

Nuestro país se enfrenta hoy en día a un grave problema energético, debido a la alta

dependencia de recursos externos que presenta la matriz de generación del sistema

eléctrico. Los altos precios del petróleo, la irregularidad en el suministro de gas natural y la

traba temporal y económica de la ampliación de dicha matriz en el corto plazo, ha

generado discusiones en torno a las nuevas herramientas que se deben utilizar para

enfrentar estos problemas.

A esto se le suma la alta tasa de crecimiento energético de nuestro país, lo que se

traduce en futuros problemas no solo de abastecimiento, sino de transporte y distribución

de la energía, lo que implica importantes desafíos a nivel de planificación de la expansión

de las redes en vías de lograr una electricidad sustentable.

La gestión de la demanda entonces resulta clave dentro de las nuevas iniciativas de

planificación en búsqueda de conseguir una electricidad sostenible, y es en este marco que

se investigan aplicaciones que logren reducir la demanda de punta en ciertas zonas, de

forma de evitar o posponer la necesidad de nuevas inversiones en capacidad.

4.1 Escenario Inmobiliario

El inmobiliario es un sector muy dinámico y altamente competitivo, lo que

frente a un escenario económico global favorable como el presentado en los últimos

años en Chile, tiende a expandirse por sobre el promedio de la actividad económica.

La consultora inmobiliaria internacional CB Richard Ellis, divide el

continente latinoamericano en tres niveles, atendiendo al crecimiento que

experimentaran y a los riesgos que podrían estar expuestos. Chile figura en el primer

nivel, equivalente a alto crecimiento y riesgo moderado. El país concentra la mayor

estabilidad económica de la zona, un parque muy moderno de oficinas y unos precios

de alquiler relativamente bajos. (CB Richard Ellis, 2006).

El empuje de la economía local ha llevado a que el sector inmobiliario se

desarrollara muy fuertemente en los últimos veinte años, en el cual el mejoramiento

de las infraestructuras públicas, y el emprendimiento de empresas privada chilenas

han sido determinantes.

47

Particularmente en la zona llamada corredor de Las Condes,

correspondiente al sector limitado por el cuadrante ubicado entre las calles Andrés

Bello, Américo Vespucio, Apoquindo y Tobalaba, es que se ha generado un

explosivo auge en lo que corresponde a proyectos inmobiliarios, específicamente

proyectos de características comerciales. En la Figura 4-1 se puede apreciar la

división de la ciudad de Santiago en los llamados corredores.7

Dentro de los edificios comerciales, y tomando en cuenta que esta revisión

busca la aplicación de planes de control directo de la carga en edificios que posean

sistemas de aire acondicionado central, es que se focaliza el análisis en los edificios

de oficina Clase A, que son los que cumplen con los más altos estándares de

construcción, se encuentran emplazados en una excelente ubicación, consisten en

plantas libres de a lo menos 300 m², e incorporan tecnología en seguridad,

climatización y funcionamiento del inmueble. (CB Richard Ellis, 2007)

Figura 4-1: Subcentros de la ciudad de Santiago. Definición de corredores 7 Fuente: CB Richard Ellis (2007)

48

En la Figura 4-2 se señala la evolución en la construcción de este tipo de

edificios de oficinas desde el año 2004 al año 2007, del cual se puede desprender la

alta tasa de crecimiento en esta actividad para la zona en cuestión. Los datos de esta

tabla fueron obtenidos de los estudios inmobiliarios realizados por la consultora

inmobiliaria Colliers International, en su filial chilena.8

Figura 4-2: Oficinas comerciales clase A en corredores de Las Condes

Este escenario de crecimiento se verá notablemente afectado por la

incorporación de dos megaproyectos inmobiliarios en la zona, proyectos conocidos

como Costanera Center, de propiedad del consorcio Cencosud, y el Titanium la

Portada.

El proyecto Costanera Center actualmente se encuentra en plena etapa de

construcción, y está ubicado en el límite entre la comuna de Las Condes y

Providencia, en la intersección de las calles Andrés Bello y Nueva Tajamar. El

complejo está formado por cuatro edificios, cuyo edificio central, la Torre Gran

Costanera, contará con un área total de 128.000 m2, con una altura de 300 metros

8 Fuente: http://www.colliers.cl

-

200.000

400.000

600.000

800.000

1.000.000

2004 2005 2006 2007Corredor de las Condes 610.294 716.057 854.152 947.316

m^2

Con

stru

idos

de

Edifi

cios

de

Ofic

ina

Clas

eA

Corredor de las Condes

http://www.colliers.cl

49

totales, dados por sus 65 pisos. Con estas características, Costanera Center se

transforma en el rascacielos más alto del país y de Sudamérica, y el segundo del

Hemisferio Sur, tras el Q1 Tower de Australia. Con un costo de US$600 millones,

albergará un centro comercial de 280.000 m2 (tiendas, cines, restoranes, etc.), una

torre principal de 300 metros, dos torres de oficinas de 170 metros cada una, y un

hotel de 105 metros de altura, totalizando una superficie construida de 600.000 m2.

Su inauguración parcial está prevista para mediados del año 2008, mientras que para

la gran torre la fecha estimada es el año 2010 (Ver fuente: SkyscraperPage, 2006).

A una cuadra de distancia se construye el edificio Titanium la Portada, que

será el segundo edificio más alto de Chile al terminar su construcción el 2009. Este

complejo es construido actualmente entre las calles Andrés Bello e Isidora

Goyenechea, también en la comuna de Las Condes. Su construcción comenzó en el

2006, con un tiempo de término estimado al año 2009. Este edificio cuenta con 52

pisos, totalizando una altura de 192 metros, con un área total de 130.000 m² de

espacio de oficinas mixtas. (Ver fuente: Titanium Inmobiliaria)

De esta forma, el escenario inmobiliario en la ciudad de Santiago, en lo que

a grandes rascacielos se refiere, se puede apreciar en la Figura 4-3.

A través de esta figura se puede concluir la gran importancia y auge de la

zona del corredor de Las Condes, en lo que a edificios de gran altura se refiere. De

los 35 edificios de mayor altura en Santiago, 21 pertenecen al dicho corredor (Gran

Torre Costanera, Titanium, Boulevard Kennedy, Torre de la Industria, Milenium,

Palladio, Bosque 500, Hyatt, Costanera, Corp Group, Isidora Foster, Torre del

Bosque, Banmedica, Torre Las Condes, Edificio Metrópolis, Torre de Vitacura,

Edificio Cruz Blanca, Isidora 2000, Golf 2001, Capitolio y el World Trade Center),

por lo que se presenta en esta zona una gran congestión en todo lo que son servicios

públicos (agua, alcantarillado, gas, electricidad) y redes viales.

50

Figura 4-3: Ranking rascacielos de altura para la ciudad de Santiago.9

9 Fuente: http://skyscraperpage.com/diagrams/?c906

http://skyscraperpage.com/diagrams/?c906

51

Para esta investigación, el punto de interés es la complejidad a nivel

eléctrico de la conexión a las redes de distribución de estos bloques de gran

magnitud, y el requerimiento de expansión, e incluso reconfiguración de las redes

existentes para poder abastecer a estos consumos de gran dimensión que se

conectarán a la red de aquí a dos años más.

4.2 Escenario Eléctrico

La zona del corredor de Las Condes pertenece al área de influencia de la

Subestación Vitacura. En la Figura 4-4 se puede apreciar la curva de demanda anual,

para dicha subestación, en el año 2006, información entregada por la empresa

distribuidora en su registro horario.

Figura 4-4: Curva de carga SE Vitacura, año 2006

A partir de la figura se puede observar la característica relativamente plana

de la curva a lo largo del año, siendo el período de invierno el de mayor consumo

energético, sin mucha diferencia con lo que ocurre en los meses de verano.

La Figura 4-5 muestra la curva de duración del mismo año para la SE

Vitacura. En ella se puede apreciar que el 20% superior de la carga se concentra en el

10% de las horas, lo que indica que sólo un pequeño porcentaje del año la demanda

Series1, 51,8

0,0

20,0

40,0

60,0

80,0

100,0

120,0

140,0

160,0

MW

Demanda Subestación Vitacura

Invierno VeranoVerano

137,9 MW

133,8 MW

Año 2006

52

consumida llega a niveles de punta. El problema de la planificación de la expansión

de la capacidad debe tomar en cuenta este hecho, de forma de poder abastecer la

demanda ante todo evento, procurando siempre minimizarpara el resto de las horas

los niveles de capacidad sub utilizada.

Figura 4-5: Curva de duración SE Vitacura, año 2006

Actualmente la demanda por energía para la SE en cuestión tiene su

máximo en invierno, sin embargo, y tomando en consideración la gran cantidad de

edificios comerciales que año a año se construyen en la zona, y tomando en cuenta la

fuerte carga de consumo que implica los sistemas de aire acondicionado que posee

cada uno de estos complejos, es que se puede suponer que en pocos años la punta se

trasladará a la temporada de verano, con un comportamiento similar a lo que

actualmente ocurre en las ciudades desarrolladas del mundo.

A modo de ejemplo, en Yang et. al (2005) se menciona que en Taiwan,

cerca de un 30% de la demanda de punta del sistema se atribuye a los sistemas de

aire acondicionado. De igual forma, en Hong Kong se le atribuye entre un 40 y un

60% de la demanda de punta a los sistemas de aire acondicionado (Lee et. al., 2001),

0,0

20,0

40,0

60,0

80,0

100,0

120,0

140,0

160,0

138

276

311

4415

2519

0622

8726

6830

4934

3038

1141

9245

7349

5453

3557

1660

9764

7868

5972

4076

2180

0283

83

MW

Curva de Duración

53

igual rango que el estimado en ciudades de EE. UU. como California (Maui Electric

Company, Ltd. Final Report, 2006).

Para buscar la validez de este supuesto es que se utiliza la base de datos de

temperaturas horarias para el año 2006, registradas en la caseta meteorológica del

cerro San Cristobal, de forma de revisar la correlación existente, en los meses de

verano, entre los días de mayor temperatura y los días de demanda máxima,

analizando en teoría el aporte de la carga de los equipos de aire acondicionado

central a la carga total de la subestación.

En la Figura 4-6 se puede apreciar los resultados de este análisis, donde se

puede ver claramente la relación existente entre las altas temperaturas y los períodos

de demanda máxima a nivel subestación, confirmando los supuestos teóricos de que

al ser la zona del corredor de Las Condes una zona netamente comercial, el peso

específico de la carga de los equipos de aire acondicionado es relevante dentro de la

carga total de la subestación. Por otro lado, si se realiza una evaluación tomando sólo

los días hábiles en la zona de estudio, considerando la relación entre demanda

máxima y temperaturas máximas, se puede apreciar una correlación cercana al 70%.

Este valor no resulta mayor debido principalmente a los perídos de

almuerzo, en donde disminuye la densidad de ocupación en los edificios,

reduciéndose en parte el requerimiento de frío de los edificios, a pesar de las altas

temperaturas existentes en el exterior.

54

Figura 4-6: Correlación días de demanda vs temperatura

Estos supuestos se establecen por el limitado conocimiento de la empresa

distribuidora acerca de las características del consumo “aguas abajo” de la

0

5

10

15

20

25

30

35

0,0

20,0

40,0

60,0

80,0

100,0

120,0

140,0

0:00

:00

1:00

:00

2:00

:00

3:00

:00

4:00

:00

5:00

:00

6:00

:00

7:00

:00

8:00

:00

9:00

:00

10:0

0:00

11:0

0:00

12:0

0:00

13:0

0:00

14:0

0:00

15:0

0:00

16:0

0:00

17:0

0:00

18:0

0:00

19:0

0:00

20:0

0:00

21:0

0:00

22:0

0:00

23:0

0:00

MW

28 de Diciembre

MW

Temperatura

0

5

10

15

20

25

30

35

40

0,0

20,0

40,0

60,0

80,0

100,0

120,0

140,0

MW

26 de Enero

MW

Temperatura

0

5

10

15

20

25

30

35

40

0,0

20,0

40,0

60,0

80,0

100,0

120,0

140,0

0:00

:00

1:00

:00

2:00

:00

3:00

:00

4:00

:00

5:00

:00

6:00

:00

7:00

:00

8:00

:00

9:00

:00

10:0

0:00

11:0

0:00

12:0

0:00

13:0

0:00

14:0

0:00

15:0

0:00

16:0

0:00

17:0

0:00

18:0

0:00

19:0

0:00

20:0

0:00

21:0

0:00

22:0

0:00

23:0

0:00

MW

25 de Enero

MW

T°

0

5

10

15

20

25

30

35

0,0

20,0

40,0

60,0

80,0

100,0

120,0

140,0

0:00

:00

1:00

:00

2:00

:00

3:00

:00

4:00

:00

5:00

:00

6:00

:00

7:00

:00

8:00

:00

9:00

:00

10:0

0:00

11:0

0:00

12:0

0:00

13:0

0:00

14:0

0:00

15:0

0:00

16:0

0:00

17:0

0:00

18:0

0:00

19:0

0:00

20:0

0:00

21:0

0:00

22:0

0:00

23:0

0:00

MW

9 de Enero

MW

Temperatura

1er día en punta Correlación: 0,929386

2do día en punta Correlación: 0,968029

3er día en punta Correlación: 0,977804

4to día en punta Correlación: 0,897169

55

subestación, lo que genera la necesidad de utilizar evidencias empíricas que logren

caracterizarlo.

Otro antecedente importante a tomar en cuenta respecto del área de

influencia de la subestación Vitacura, es que la tasa de crecimiento esperada es de

alrededor de un 9% para los próximos 5 años, lo que es mucho mayor que la tasa del

6 al 7% estimada para el sistema10.

Tomando en cuenta todos estos antecedentes, es que se ha considerado la

zona del corredor de Las Condes como conflictiva desde el punto de vista de la

planificación de las expansiones del sistema. En Systep Ingeniería y Diseños e

INECON (2006) se determinó, luego del estudio de expansión de las instalaciones de

subtransmisión que, a partir del análisis de la demanda, y luego de haber agotado las

posibilidades de aumento de capacidad en el entorno del punto geográfico en

cuestión, se considera imperiosa la construcción de una nueva subestación,

denominada Los Leones, la que resulta necesaria para abastecer la demanda

proyectada las áreas de influencia de las subestaciones Vitacura, Alonso de Córdova,

Apoquindo, Andes, La Reina, Santa Elena y San Cristóbal. En el informe, se dá

particular relevancia a la situación de la subestación analizada en este capítulo, la que

actualmente tiene copado su espacio físico, admitiendo ampliaciones que no

permitirían abastecer la demanda en los años posteriores al año 2008.

De esta forma, se hace necesario un nuevo centro de transformación que

permita abastecer esta demanda. El supuesto fundamental que existe detrás de la

nueva subestación Los Leones consiste en que, a partir del año 2008, la demanda de

Vitacura superará la carga que es posible abastecer por esta subestación,

manteniendo las condiciones de seguridad y calidad de servicio de la normativa

vigente. Por lo tanto, en términos de modelación, la demanda asociada a dicha

unidad se considera constante en el nivel del año 2007 y todo el exceso se supone

abastecido por la nueva instalación.

Así, el mismo informe concluye que teniendo en consideración el área de

influencia de la nueva subestación, se estima que la mejor ubicación para ésta se

10 Fuente: Información entregada por CHILECTRA. www.chilectra.cl

http://www.chilectra.cl

56

encuentra en torno a la intersección de las avenidas Francisco Bilbao y Tobalaba, que

corresponde al límite entre las comunas de Providencia y Las Condes. Esto genera

entonces una serie de conflictos a causa de las restricciones físicas y tecnológicas que

implican construir una subestación en uno de los sectores cuyos terrenos presentan la

mayor plusvalía dentro de la ciudad de Santiago, y que por lo demás se encuentra

habitada practicamente por completo.

Asumiendo entonces que en el área no es posible la implantación de una

subestación en su configuración tradicional de patio abierto y alimentación aérea en

alta tensión, se sugiere en el estudio la construcción de ella en forma subterranea.

Este hecho genera costos muy altos en relación a los métodos tradicionales de

construcción de subestaciones, además de limitar de cierta forma posibles

ampliaciones posteriores, lo que generaría la necesidad de aún mayores inversiones

en el futuro.

Ante esta perspectiva, la investigación aquí presentada, busca la reducción

de la demanda de punta de la subestación, a través de programas de control directo

de la carga, enmarcados en los planes de gestión de la demanda, de forma tal de

modificar en el corto plazo la demanda máxima en dicha subestación, en la búsqueda

de que las inversiones en capacidad sean, o bien evitadas, o pospuestas en el

horizonte de tiempo.

57

5. METODOLOGÍA PROPUESTA

En esta investigación se propone desarrollar un centro de despacho de carga para

los sistemas de aire acondicionado central presentes en los edificio comerciales situados en

la zona del corredor de Las Condes, de modo de poder reducir de forma conjunta, entre

todos los participantes del programa, la demanda de punta de la SE Vitacura, buscando

posponer o evitar la necesidad de nuevas inversiones en capacidad para abastecer la

demanda en la zona bajo toda circunstancia.

Se presentan entonces dos aristas en esta investigación: técnica y económica.

La parte técnica guarda relación con la evaluación de las características que debe

cumplir un programa de este tipo para lograr ser llevado a la práctica. Para esto es

importante definir, en primer lugar, el desarrollo de la curva de carga que presenta la zona

de estudio, asi como también el porcentaje de esta carga que es posible gestionar, de modo

de determinar su potencial efecto a nivel de la subestación. Además se requiere del

desarrollo del modelo de despacho de las cargas gestionadas, para lo cual se debe

especificar tanto la definición matemática del funcionamiento de los equipos, el

comportamiento térmico de los edificios y su respectivo perfil de consumo energético,

como así también el algoritmo de resolución del modelo propuesto, el que para esta

investigación se incerta en el campo de los algoritmos genéticos. La originalidad de esta

investigación radica en el acercamiento entre el mundo eléctrico y el termodinámico,

necesarios para lograr resultados satisfactorios en lo que a reducción de la demanda de

punta se refiere.

Respecto a la parte económica, una vez comprobado la potencialidad de la

herramienta desarrollada según el punto anterior, y que se presenta en esta investigación,

es necesario verificar la conveniencia económica de llevarla a cabo. Para esto se requiere

conocer el beneficio en pesos de reducir un kW en la potencia de punta de la SE, y

compararla con el gasto que significó la aplicación de los programas para lograr dicho

objetivo.

La evaluación económica de la aplicación de este tipo de programas, escapa del

alcance de esta investigación, la que se centra en el desarrollo de un estudio de factibilidad

58

técnica, dando a conocer sus potenciales resultados y requerimientos, generando una

alternativa de estudio ex ante a la puesta en marcha de planes pilotos.

Tradicionalmente, las empresas de distribución han llevado a cabo programas

pilotos de forma de verificar la efectividad de los planes de control directo de la carga.

Estos planes de prueba permiten a la empresa distribuidora estimar de forma concreta el

impacto de la aplicación del programa en la curva de demanda del área de interés. Sin

embargo, estos pilotos muchas veces no son precisos a nivel de resultados globales

obtenidos, y si muy costosos, haciendo ineficiente su aplicación.

Las empresas pueden evitar estos planes pilotos procediendo directamente al plan

maestro de ejecución, llevando a cabo de forma previa un prolijo proceso de investigación

que busque controlar cada una de las variables participantes en el funcionamiento del

programa, validando el modelo a través de planes de prueba de menor magnitud,

generando una retroalimentación según los valores resultantes del piloto. El uso de

modelos como el que se presenta en esta investigación permite reducir los costos iniciales

asociados con la evaluación técnica y económica de los planes de gestión de la carga.

5.1 Desarrollo y Análisis de la Curva de Carga

El primer paso es la obtención de la curva de carga de la subestación

Vitacura. Esta corresponde al escenario que el modelo desarrollado en esta

investigación busca optimizar.

El trabajo tiene como meta desarrollar una metodología que permita

establecer un centro de despacho day-ahead de esta carga gestionable, para lo cual es

necesario contar con anticipación con el escenario de demanda del día en que se va a

ejecutar el programa.

La predicción de la demanda juega un papel importante en la planificación y

la operación de los sistemas de energía, especialmente en lo referido a despachos de

unidades de generación, requerimiento de combustibles, y planificación de

mantenimientos, planificación de los sistemas de transporte, etc.

Los modelos de predicción de demanda son en sí una investigación

compleja, que se ha desarrollado con diversos métodos desde hace años, entre los

que se cuentan técnicas de regresión lineal, suavizamiento exponencial, procesos

59

estocásticos, aproximaciones data mining, modelos autorregresivos, entre otros.

(Senjyu, Mandal, Uezato, & Funabashi, 2005)

La dificultad de la estimación de los escenarios de demanda a través de

estos modelos, radica en que la carga de una hora dada no depende solo de la carga

de la hora previa, sino que también de la misma hora en el día anterior, y de la carga

del mismo día, a igual hora de la semana anterior. Sumado a esto, existen también

una serie de parámetros externos, como el clima, indicadores económicos y

sectoriales, entre otros, que afectan a su predicción, factores que muchas veces están

intrinsecamente relacionados, con características complejas de predecir, incluso con

comportamientos nolineales.

Para reducir esta complejidad, las últimas investigaciones se han basado en

aplicaciones de algoritmos genéticos (Lu et. al., 1993), lógica difusa (Ma-WenXiao,

Bai-XiaoMin, & Mu-LianShun, 2002), redes neuronales con aplicaciones difusas

(Ling, Leung, Lam, & Tam, 2003) y técnicas wavelet (Huang & Yang, 2001),

algoritmos que tienen la carácterística de poseer capacidad de memoria, lo que

permite entender relaciones complejas y nolineales entre los parámetros que influyen

en la carga, reduciendo la complejidad de las técnicas tradicionales.

Como en esta investigación la curva de carga es un input para el modelo a

desarrollar es que se presenta un método sencillo de predicción para lograr una

aproximación al perfil de carga requerido. Este método de predicción de escenarios

de carga de corto plazo está basado en el match óptimo entre las temperaturas

pasadas y futuras, de forma de estimar la demanda por energía.

Para llevar a cabo esta relación, es que se utiliza el registro horario del año

2006, tanto de la demanda por potencia como de temperatura entregado por

CHILECTRA, para la subestación Vitacura. Este modelo presentado se basa en la

investigación hecha por Yu (1996), a una menor escala en el horizonte de búsqueda.

A partir de esta base de datos, y utilizando herramientas como las que

entrega la pagina web Accuweather.com, que permite conocer con anticipación el

pronóstico del tiempo horario para un día en cuestión, se busca minimizar el error

cuadrático medio entre el vector de temperaturas pasadas y las pronosticadas,

buscando aquel día presente en la base de datos cuyo perfil de temperaturas se

60

parezca más a aquel que se pronostica para el día en que el programa se lleva a cabo.

Además se le agrega un factor que da mayor relevancia a la semejanza de los días en

aquellas horas de mayor demanda (Yu, 1996). Esto principalmente por el hecho que

la investigación centra su interés en la reducción de la punta, lo que también se

traduce en una búsqueda más extensiva para dicho período, en lo que a las

temperaturas se trata.

Lo que se plantea a través de esta metodología es que si ambos perfiles se

parecen en sus características horarias de temperatura, también se parecerán en su

perfil de carga. De esta forma, la demanda prevista corresponderá a la de aquel día

donde exista el match más preciso entre ambos vectores de temperaturas, previa

multiplicación por el factor de crecimiento interanual previsto por la distribuidora,

que para el caso de la subestación Vitacura es de 9% para los siguientes cinco años.

5.2 Estimación de la Carga Controlable

El desarrollo de una metodología capaz de evaluar la flexibilidad de la

demanda, y el comportamiento agregado de ella, requiere de la identificación de los

consumos, lo que permite deducir el porcentaje de carga gestionable por los

programas DLC para cada intervalo de tiempo. A mayor demanda controlable, mayor

el perfil modificable, y por ende más profunda es su incidencia en la curva de

demanda de la subestación.

Para llevar a cabo la construcción de la curva de carga gestionable de los

equipos de aire acondicionado central, es que se contactó a Carrier Chile S.A., filial

nacional de Carrier Corporation, una de las empresas que forman parte de United

Technologies Corporation, integrante del selecto grupo de las 20 empresas más

grandes en los Estados Unidos11. Carrier es una de las empresas líderes a nivel

mundial en el mercado de los sistemas de aire acondicionado, calefacción y

ventilación, desde la creación de los sistemas de aire acondicionado modernos en

1902.

En nuestro país, su dirección física es Vicuña Mackenna 3318, comuna de

Macul, Santiago, y su mercado objetivo abarca tanto a clientes residenciales, como

11 Fuente: www.carrier.com

http://www.carrier.com

61

comerciales e industriales. Algunos de los clientes que posee dicha empresa en Chile

pueden verse en la Figura 5-1.

De esta forma, y con la ayuda de los datos aportados por esta empresa, es

que se realizó un catastro de los clientes que Carrier posee en la zona bajo estudio,

correspondiente a un total de 594.000 m2 de edificios clase A, con un requerimiento

máximo total de frío por parte de los clientes de 11.145 toneladas de refrigeración12

(TR). Lo anterior puede verse en las Figura 5-2 y Tabla 5-1.

Figura 5-1: Clientes Carrier en Chile

12 La tonelada de refrigeración es la unidad genérica utilizada en climatización y equivale a la potencia necesaria para extraer 12.000 BTU de calor por hora.

62

Figura 5-2: Catastro clientes Carrier en el corredor de Las Condes.

Tabla 5-1: Catastro edificios en corredor de Las Condes, agrupados según su grado de

eficiencia térmica.

Si bien se tienen los requerimientos máximos de frío de los edificios, para el

modelo de despacho que se plantea en esta investigación, es necesario identificar el

Edificio Ton M2 Modelo Cantidad m2/TonProcter 630 20,000 19XR 1 31.7460 Edificio BCI 360 14,000 30HXC 2 38.8889 Nueva Providencia 500 20,000 30 HXC 2 40.0000 Edificio Palladio 820 35,000 19XR3233 2 42.6829 Edificio Consorcio 600 25,000 19XL 1 44.6367 Edificio Citibank 1120 50,000 30HXC 4 44.6429 Chiletabacos 150 7,000 30 HXC 1 46.6667 Edificio Alsacia 420 20,000 30 HXC 2 47.6190 Edificio Costanera 820 45,000 19XR3232 2 54.8780 Edificio Golf 2001 1050 60,000 30 HXC 4 57.1429 Foster Isidora 350 20,000 30HXC 2 57.1429 Hotel Ritz 340 20,000 30HXC 2 58.8235 Edificio Capitolio 420 25,000 19XR 1 59.5238 Edificio el Bosque Norte 820 50,000 19XR3232 2 60.9756 Edificio Millenium 800 50,000 19XR3232 2 62.5000 Edificio Isidora 2000 1000 68,000 30HXC 4 68.0000 Torre de la Industria 600 45,000 19XR3232 2 75.0000 Edificio Entel 345 20,000 30HXC 1 76.0000

TOTAL 11,145 594,000 7.80

63

comportamiento horario de ellos, especialmente en los días de mayor temperatura,

que generan los mayores consumos de los equipos de aire.

La evaluación del comportamiento térmico puede ser llevada a cabo

mediante cinco métodos:

• Modelos ingenieriles

• Modelos estadísticos

• Modelos híbridos (Ingenieriles-Estadísticos)

• Sistemas de medición

• Simulación

Los modelos ingenieriles parten en general de una base físico-matemática

del comportamiento teórico de los edificios, con diferentes grados de aproximación a

la realidad. Dentro de este tipo de modelos, el más citado dentro de la literatura es el

desarrollado en Malhamé & Chong (1985) y en Ihara & Schweppe (1981) y hacen

relación a la utilización de métodos tales como el de red eléctrica equivalente o

ecuaciones diferenciales para la modelación de dichos comportamientos.

Los modelos estadísticos se basan sobre la hipótesis de operar en ambiente

estocástico. A diferencia del método anterior, son modelos matemático-estadísticos,

basándose en datos históricos recopilados, buscando generar una conexión entre el

estado pasado y el futuro agregando factores probabilísticos, además de buscar

mediante esta consideración, una relación entre los distintos datos de entrada, y la

salida generada por el sistema (Stephens, 1988, Ryan et. al., 1989). Principalmente se

han desarrollados métodos autorregresivos (ARMA) con sus diferentes variantes

(ARX, ARMAX, etc).

Los modelos híbridos consideran la utilización de ambos métodos,

aumentando la complejidad, a la vez que se obtiene resultados precisos. Son

normalmente las ultimas aplicaciones, las que son combinadas con metodologias

como algoritmos genéticos, logica difusa, entre otras. (Huang & Huang, 2004, Yao

et. al., 2005, Gomes et. al., 2004)

64

Los sistemas de prueba, a través de la medición, como se dijo al principio de

este capítulo, si bien generan resultados concretos, puede resultar muy poco

económico y no representar el comportamiento global.

Por último se encuentra la simulación, herramienta computacional que

permite simplificar procesos. Para modelar el comportamiento térmico de los

edificios, existen numerosos softwares, las que han sido desarrolladas para diferentes

fines, con diferentes grados de complejidad y dirigidas a distintos clientes objetivo.

Estos tienen como fortaleza la precisión en los cálculos, al evaluar todas las fuentes

emisoras de energía que afectan al requerimiento de frío del edificio, y por ende al

consumo de energía de los equipos de aire acondicionado. La gran debilidad de esta

metodología se presenta en el hecho de que estos programas son altamente complejos

en su estructura interna, computacionalmente intensivos y requieren de una gran

cantidad de datos de entrada respecto a parámetros comportacionales y constructivos

de los edificios.

Los programas computacionales se pueden clasificar de acuerdo a los

grupos presentados a continuación.

• Herramientas de diseño profesional: usadas principalmente por arquitectos,

ingenieros y otros profesionales para automatizar tareas comunes que son

parte del proceso de diseño.

• Herramientas de análisis de energía para todo el edificio: simulan las

condiciones de funcionamiento al predecir la utilización anual o estacional de

la energía consumida por los equipos, con sus gastos asociados, en un

horizonte horario de consumo.

• Herramientas focalizadas en energía y medioambiente: centradas en los

impactos ambientales generados por la utilización de nuevas tecnologías de

alto rendimiento energético de los edificios.

• Herramientas de análisis especializado: corresponden a programas de

estudios que incluyen técnicas precisas de simulación desarrollados por

estudios académicos en el rubro de la construcción. Están enfocados

principalmente al mejoramiento de los desempeños en los comportamientos

térmicos de los edificios.

65

Para el estudio aquí presentado se utilizó el programa Hourly Analysis

(HAP), de propiedad de la misma empresa, y que pertenece al segundo grupo de los

anteriormente presentados. El programa calcula el consumo anual de energía y los

costos operacionales para los sistemas de ventilación y aire acondicionado, así como

también para el resto de sistemas consumidores de energía (como iluminación),

mediante la simulación de su funcionamiento para cada una de las 8.760 horas de un

año.

De esta forma se pueden modelar los comportamientos horarios de todos los

edificios catastrados. La complejidad radica en que este programa, para modelar

dichos comportamientos, requiere de una gran cantidad de datos constructivos del

edificio, tanto internos como externos, así también como del perfil de uso que poseen

aquellas personas que desenvuelven sus actividades dentro de este. (Ver Anexo B:

Programa HAP). Es por lo mismo que no se aprecia como una opción viable analizar

de forma individual a cada edificio.

Para simplificar y dar una solución aproximada a este problema, es que los

edificios se separan en dos grupos, dependiendo del comportamiento térmico que

estos posean. Según los proyectistas de equipos de aire acondicionado con los que

opera Carrier, uno de los parámetros más importantes a la hora de considerar la

eficiencia térmica de los edificios es los m2/TR de refrigeración que caracterizan a

los edificios.

En algunos países el término de eficiencia térmica se relaciona con el

estándar de un edificio específico que sirve de referencia, buscando limitar la energía

utilizada en calefacción y refrigeración. Para esta investigación se ha tomado como

referencia el concepto de una "edificación de baja energía" presente en Alemania

(Niedrigenergiehaus) dando un límite de energía para calefacción o refrigeración

equivalente a 7 litros de fuel-oil por cada metro cuadrado de superficie cubierta de

forma anual para una vivienda, lo que corresponde a valores cercanos a 50 m2/TR

para que un edificio pueda ser considerado como muy eficiente desde el punto de

vista térmico. (Pfluger, 2005)

66

Tomando en cuenta esta consideración, es que se dividen los edificios en

dos grupos tomando en cuenta si el edificio es bajo en energía o no lo es,

diferenciados en la Tabla 5-1 bajo dos grupos de distintos colores.

La idea tras la utilización de este programa y la clasificación de los

edificios, es simular un piso característico que represente a cada uno de los grupos,

de forma tal de obtener magnitudes unitarias de m2/TR, para cada hora, en aquellos

días de mayor temperatura dentro de la temporada de verano. A través de este valor

unitario, se busca obtener una aproximación del requerimiento estándar de frío para

todos los edificios, de forma de lograr identificar un escenario completo que resuma

el comportamiento térmico de todos los individuos catastrados de la zona en

cuestión.

Los edificios seleccionados fueron el Edficio Alsacia, y el Isidora 2000.

• Edificio Alsacia: este edificio representa a los que no poseen alta eficiencia

térmica. Está ubicado en la esquina de las calles Apoquindo y Alsacia, y

consta de 22 pisos, totalizando 20.000 m2 de superficie útil. Su estructura

interna está conformada por pisos libres de 640 m2 en promedio, y una altura

interior de 2,7 mts.

• Edificio Isidora 2000: representa al grupo de los edificios de baja energía,

correspondiente a aquellos sobre 50 m2/TR. Ubicado en Isidora Goyenechea

3621, presenta 68.000 m2 útiles, dsitribuidos en 22 pisos con plantas

aproximadas de 1.310 m2 en promedio, con una altura interior de 3,5 mts.

Una de las diferencias fundamentales entre los edificios con bajo consumo

de energía para refrigeración y los que no lo tienen, es la llamada razón vidrio-muro,

o WWR (windows-wall-ratio), que para los edificios eficientes alcanzan niveles de

70% o más, es decir, practicamente toda su superficie exterior vidriada, mientras que

para los que no son del todo eficientes, alcanzan valores cercanos al 50%. Se debe

poner enfasis que se consideran solo edificios clase A, es decir, aquellos edificios

que cumplen con los estándares modernos de construcción, y que en sí buscan

minimizar el mal uso de la energía. El resumen de las características de los edificios

recién mensionadas puede verse en la Tabla 5-2.

67

Tabla 5-2: Características edificios representativos

La elección de estos edificios en desmedro de otros se debió tan solo al

hecho de la disponibilidad de lo datos constructivos para las construcciones

señaladas, cosa que no ocurría con los otros inmuebles.

Es importante destacar también que la simulación de cada uno de los pisos

representativos está hecha sobre el supuesto de que no existen paredes interiores. La

modelación toma en cuenta superficies sin murallas ni puertas, debido a la dificultad

de encontrar una representación típica bajo la configuración interna de cada uno de

los pisos de oficinas. La implicancias que trae consigo este supuesto es la pérdida de

información respecto a la distribución de las cargas internas de cada uno de los pisos

de los edificios a simular, y la transferencia de calor entre cada una de las posibles

espacios que lo conforman. Sin perjuicio de lo anterior, se considera una buena

aproximación que permite clasificar de forma simple los comportamientos térmicos

de cada uno de los edificios.

Para llevar a cabo la modelación horaria del requerimiento de frío de cada

uno de los edificios, se requieren otros datos, principalmente relacionados a la

calidad y tipos de materiales con los que se construyen los edificios, y del perfil de

uso de cada uno de los edificios, además de la base de temperaturas históricas de la

ciudad a analizar.

Edificio Alsacia Edificio Isidora 2000

Metros Cuadrado de Piso 640 m2 1310 m2

Altura Piso 2,7 mts 3,5 mts

Forma Piso Cuadrado Rectangular, orientación E-W

Peso Medio Medio Pesado

Peso por metro Cuadrado 458,9 kg/m2 585 kg/m2

WWR 45% 70%

2,3 x 30 mts

2,3 x 50 mtsVentanas 1,3 x 25 mts

68

Respecto al perfil de temperaturas, se utiliza la base de datos que usa Carrier

para sus proyecciones de cargas para la ciudad de Santiago, que considera una

estadística de los datos históricos de temperaturas, además de realizar un análisis

correspondiente a la exposición al sol que tienen estos edificios dependientes de la

orientación en que fueron construidos

Respecto a los materiales, no se encontró información precisa respecto a los

tipos de muro, de vidrios o de techos que se utilizan en los edificios en particular, por

lo que se hizo una generalización de los materiales, tomando en cuenta la experiencia

de la empresa de aire acondicionado y los materiales que el programa Hourly

Analysisde Carrier contenía en su biblioteca estándar.

De esta forma, se consideran, para ambos grupos de edificios, el mismo tipo

de vidrio y muros, de forma tal que la diferencia en la eficiencia térmica radique tan

solo en el WWR. Esto tomando nuevamente en cuenta que ambos grupos pertenecen

a edificios de oficinas Clase A, que cuentan con los mayores estándares de eficiencia

y modernidad. Los valores utilizados se pueden apreciar en la Tabla 5-3.

Tabla 5-3: Valores estándar parámetros constructivos

Todos estos valores corresponden a la capacidad que tiene el edificio de

dejar entrar o dejar salir el frío desde la construcción, es decir, engloba tanto la

resistencia como la capacitancia térmica del edificio.

Por último, se definen los patrones de uso de los usuarios y cargas internas

de los edificios. Las llamadas fuentes internas de energía en un edificio de oficinas

pueden clasificarse en 3 grupos:

Valores Estándar

Coeficiente de Muro 2,546 W/m2/°K

Coeficiente Techo 0,55 W/m2/°K

Coeficiente Piso 0,4 W/m2/°K

Coeficiente de Vidrio 2,15 W/m2/°K

69

• Cargas Conectables: correspondientes a equipos de computación, cafeteras,

refrigeradores, impresoras, entre otras. Sus mediciones de consumo

practicamente no están disponibles.

• Iluminación: nuevamente, sus medidas no siempre están presentes en los

edificios, y corresponde a todo lo que son los sistemas de luminarias.

• Ocupantes: principalmente referido a la densidad de personas en la superficie

útil, y el perfil de ocupación de estos, es decir, como evoluciona la actividad

de dichas personas a lo largo del día. Esto tomando en cuenta que para este

grupo, la carga no es constante durante el día.

Sin embargo estos datos de consumo, como ya se mencionó, son muy

dificiles de calcular por medios distintos a mediciones particulares, via sensores y

contadores, por piso, para cada edificio, haciendo impracticable la captación de estos

datos. Para esto entonces que en Estados Unidos se forma una asociación encargada

de dar los lineamientos generales para estas medidas, de forma que sean utilizadas a

la hora de la proyección del consumo total de energía de los edificios.

La ASHRAE (Sociedad Americana de Ingenieros en Calefacción,

Refrigeración y Aire Acondicionado) es una organización internacional con más de

55.000 socios en todo el mundo. Está encargada de la investigación y realización

de los estándares HVAC, utilizados a nivel mundial para la selección de los sistemas

óptimos, tanto en operación como en desempeño.

Esta organización ha definido entonces ciertos parámetros para el diseño de

los sistemas de calefacción y refrigeración, que pueden verse en la siguiente Tabla,

obtenidos desde ASHRAE (2001).

Tabla 5-4: Valores Estándar ASHRAE para cargas internas

Valores Estándar ASHRAE

Densidad de Ocupación 15 m2/personas

Iluminación 16 W/m2

Equipamiento Eléctrico 25 W/m2

Cargas Miscelaneas 15 W/m2

70

Estos valores están definidos como el uso de espacio de oficinas dado por el

Estándar 62-2001 citado por la ASHRAE en dicho documento.

La carga térmica de los edificios no sólo tiene relación con factores externos

como el clima, sino que incluye también muchos más factores del entorno interior y

exterior, del sujeto que percibe estos parámetros. Las cargas internas, generadas

principalmente por la utilización de las instalaciones a climatizar por parte de las

personas que trabajan en los edificios, generan un perfil de uso horario. Nuevamente,

ASHRAE (2001) define parámetros de diseño tanto para el perfil de utilización de

las instalaciones, como para el uso horario de iluminación, en los edificios de

oficinas. Esto puede verse en la Figura 5-3.

.

Figura 5-3: Perfil de ocupación de instalaciones e iluminación

0

10

20

30

40

50

60

70

80

90

100

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Uso Luces (%)

0

10

20

30

40

50

60

70

80

90

100

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Ocupación (%)

71

De esta forma, y a través de la modelación con los parámetros recién

descritos, es que se simula el comportamiento térmico horario, entendido como el

requerimiento de frío para los dos edificios representativos de niveles de eficiencia,

comportamiento que es dividido por la cantidad de metros cuadrados útiles

construidos, de forma de obtener un valor unitario representativo, horario, para cada

uno de los edificios. (Figura 5-4)

Figura 5-4: Curvas horarias TR/m2 para edificios tipo

De esta forma al utilizar este valor unitario para cada hora, en cada grupo de

edificios, de puede obtener el máximo requerimiento de frío por parte de los

edificios, para los días de mayor temperatura estadística por mes, requerimiento que

0

0,005

0,01

0,015

0,02

0,025

0,03

0

100

200

300

400

500

600

700

800

900

1000

1100

1200

1300

1400

1500

1600

1700

1800

1900

2000

2100

2200

2300

Títu

lo d

el e

je

Toneladas de Refrigeración por m2 edificado ALSACIA

OCTUBRE

NOVIEMBRE

DICIEMBRE

ENERO

FEBRERO

MARZO

0

0,002

0,004

0,006

0,008

0,01

0,012

0,014

0,016

0,018

0

100

200

300

400

500

600

700

800

900

1000

1100

1200

1300

1400

1500

1600

1700

1800

1900

2000

2100

2200

2300

Títu

lo d

el e

je

Toneladas de Refrigeración por m2 edificado ISIDORA 2000

OCTUBRE

NOVIEMBRE

DICIEMBRE

ENERO

FEBRERO

MARZO

72

debe ser satisfecho por los equipos de aire acondicionado a través de su respectivo

consumo de energía eléctrica.

El siguiente paso es entonces la proyección de los equipos de aire

acondicionado. En Chile, según información entregada por la compañía de aire

acondicionado Carrier, para la proyección de los equipos de aire acondicionado se

basan en dos condiciones:

• El funcionamiento de los equipos múltiples, en el caso que así sea necesario,

determina un funcionamiento en paralelo de los equipos, a la misma carga,

cuando el sistema requiera más de 50% del requerimiento de frío.

• Para el cálculo de las capacidades se estima, a través de un factor de

simultaneidad, generalmente de un 0,9 y 0,95, las cargas térmicas totales del

edificio, las que se dividen por el número de equipos de forma de obtener la

carga por cada uno.

En la Figura 5-5 se puede apreciar la operación para uno, dos y tres equipos

en paralelo.

En 1998 el Instituto de Refrigeración Americano (ARI) publicó una norma

revisada, ARI 550/590-98 que define los procedimientos de evaluación para los

equipos de aire. En él se definió el valor integrado a carga parcial (IPLV). Este valor

predice la eficiencia del equipo sobre una gama de condiciones de operación

establecidas por ARI y se expresa en un número único. ARI determinó que sólo el

1% de las horas operacionales el equipo trabaja a 100% de la carga, mientras que el

42% lo hace a carga de 75%, 45% a cargas de un 50% y el 12% a cargas de 20%. De

esta forma, se puede deducir, que al momento de mayor requerimiento de frío de los

edificios, en aquellos días de temperaturas punta en la temporada de verano, todos

los equipos de aire acondicionado estarán funcionando de forma tal de repartir en

magnitudes iguales la carga térmica del edificio, por lo que se puede tomar como un

solo aparato, que funciona con una potencia igual a la suma de las potencias

individuales.

Una vez analizado como se proyectan los equipos, se procede a revisar el

funcionamiento mismo de los equipos. Para esta investigación se contemplan dos

tipos de equipos de aire acondicionado, cuyas características se explican en detalle en

73

el Anexo C: Tipos de Equipos de Aire Acondicionado Central. Para este capítulo se

revisará lo contingente a las eficiencias operacionales, de forma tal de poder

transformar este requisito de frío en potencia eléctrica consumida.

Figura 5-5: Funcionamiento equipos en paralelo

Carga del Sistema %

Equipos operativosCarga del Equipo

%

100 1 9092 1 82.884 1 75.676 1 68.468 1 61.260 1 5452 1 46.844 1 39.636 1 32.428 1 25.220 1 1812 1 10.84 1 3.6

Equipo Único

0102030405060708090

100

0 20 40 60 80 100

Carg

a de

l Equ

ipo

%

Carga del Sistema %

Equipo Único

Carga del Sistema %

Equipos operativosCarga del Equipo

%100 1_2 9092 1_2 82.884 1_2 75.676 1_2 68.468 1_2 61.260 1_2 5452 1_2 46.844 1 79.236 1 64.828 1 50.420 1 3612 1 21.64 1 7.2

Dos Equipos

0102030405060708090

100

0 20 40 60 80 100

Carg

a de

l Equ

ipo

%

Carga del Sistema %

Dos Equipos

Carga del Sistema%

Equipos operativosCarga del Equipo%

100 1_2_3 9092 1_2_3 82.884 1_2_3 75.676 1_2_3 68.468 1_2_3 61.260 1_2 8152 1_2 70.244 1_2 59.436 1_2 48.628 1 75.620 1 5412 1 32.44 1 10.8

Tres Equipos

0102030405060708090

100

0 20 40 60 80 100

Carg

a de

l Equ

ipo

%

Carga del Sistema %

Tres Equipos

74

En la Tabla 5-5 se puede apreciar la hoja de datos de un equipos tipo centrífugo,

modelo 19XR de 400 toneladas de refrigeración, con su gráfico respectivo en la Figura 5-6.

Tabla 5-5: Hoja de datos Equipo 19XR de 400 TR

Figura 5-6: Curva de eficiencia equipo 19XR 400 TR

Como se puede apreciar, la eficiencia de los equipos es óptima en valores

cercanos al 75%, carga a la cual la mayor tiempo de la vida útil del equipo desarrolla

su operación, También es importante destacar el hecho que a valores cercanos al

máximo la eficiencia de los equipos es mas baja, consumiendo mayor energía por

cada tonelada de refrigeración que debe abastecer.

De esta forma, con los datos térmicos de los edificios y los datos eléctricos

de los equipos es que se puede, a partir de estos, transformar las curvas horarias de

toneladas de refrigeración a medidas de potencia, para todos los edificios catastrados.

0,500 0,510 0,520 0,530 0,540 0,550 0,560 0,570 0,580 0,590 0,600

0% 20% 40% 60% 80% 100% 120%

kW/TON

Porecentaje de la Carga

Eficiencia Equipo 19XR 400 TR

Temperatura Entrada

Temperatura de Salida

DiferenciaCarga Chiller

Eficiencia

°C °C °C kW kW/TON 96 24% 8 6,6 1,4 56 0,587120 30% 8,3 6,6 1,7 71 0,592160 40% 8,9 6,6 2,3 87 0,544200 50% 9,5 6,6 2,9 104 0,520240 60% 10,1 6,6 3,5 123 0,513280 70% 10,7 6,6 4,1 143 0,511320 80% 11,3 6,6 4,7 165 0,516360 90% 11,9 6,6 5,3 190 0,528400 100% 12,5 6,6 5,98 223 0,558

400 TR

Toneladas de Refrigeración

Porcentaje de Carga

75

5.3 Modelación de la Operación de los Equipos

Este capítulo busca representar matemáticamente el funcionamiento de los

equipos de aire acondicionado central.

Un equipo de aire acondicionado posee tres circuitos que permiten, ya sea

refrigerar o calefaccionar un ambiente, según sea su requerimiento. Esto, porque los

equipos, tambien llamados HVAC (heating, ventilating, and air conditioning) son

capaces de extraer calor desde un lugar, para transmitirlo a un fluido, el que

transfiere este calor a otra zona. Así, para su funcionamiento como refrigerante, el

calor es extraido desde el interior y transferido al exterior, mientras que para el ciclo

de calefacción es exactamente al revés.

De esta forma, se describe los 3 circuitos que utilizan los sistemas de aire

acondicionado, los que se observan en la Figura 5-713.

El primero de ellos utiliza como fluido un líquido refrigerante de bajo punto

de ebullición, que es el encargado de absorver el calor. El refrigerante que ocupan los

equipos Carrier es del tipo HFC-134A, de un solo componente químico respetuoso

con el ambiente, libre de cloro y por tanto sin efecto sobre el medio ambiente. El

elemento fundamental de consumo dentro de los equipos de aire es el compresor, el

encargado de hacer cambiar de estado a este flujo refrigerante, y por ende el de

mayor impacto en el consumo energético del equipo de forma global. Este hace que

el líquido se expanda y entre en ebullición a una temperatura de 3 a 6°C. La energía

necesaria para la ebullición la extrae de un flujo de agua que circula por los tubos de

un evaporador, el cual, tras perder energía térmica se enfría lo suficiente para ser

utilizado en un circuito de refrigeración de líquidos en proceso. Este gas entonces

pasa, con ayuda de la aspiración del compresor, a temperaturas de 37 a 40°C para

llegar al condensador. En este punto, agua relativamente fria, absorve el calor,

pasando el gas a estado líquido, comenzando el ciclo nuevamente.

El segundo circuito comienza cuando el refrigerante absorve el calor del

agua, que es el flujo que transporta la refrigeración realmente. Esta es impulsada, a

través de una bomba, hacia los distintos pisos cuyo clima quiere acondicionar. De

13 Fuente: Zhang, Wang, Liu, & Wang, 2004

76

esta forma el agua, que se mantiene producto de este intercambio de calor siempre

constante a temperaturas cercanas a 7°C, llega a cada una de las zonas, pasando por

un serpentin, en el que se realiza un nuevo intercambio de calor, esta vez entre el

agua y un flujo de aire que viene desde el exterior, en los llamados fan coils. Aquí,

según el requerimiento de frío de la zona a condicionar, se controla la velocidad del

ventilador que hace fluir el aire, y el volumen de agua fria que circula por el

serpentin. De este modo el agua vuelve al equipo central a temperaturas que

dependen de la necesidad de frío que tenga el edificio en el instante de la circulación,

y es misión del compresor nuevamente volver la temperatura a niveles normales de

6,6°C.

El tercer ciclo ya fue explicado y es el del aire, que es expulsado frío hacia

la zona a refrigerar, para luego salir hacia el exterior o mezclarse nuevamente con el

flujo de aire proveniente desde afuera, preparado para climatizar la habitación u

oficina, reiniciando el ciclo. La temperatura de confort que debe tener este flujo de

aire es normalmente 14°C a la salida del fan coil, el que genera temperaturas de

24°C, considerada como de confort por los estándares internacionales. El detalle de

este y otros conceptos referidos al confort serán revisados más adelante.

Se define entonces dos diferenciales de temperatura, uno que para esta

investigación se denomina diferencial eléctrico, correspondiente a la diferencias de

temperaturas dada por el equipo de aire acondicionado; y el diferencial térmico, dado

por la necesidad de frío del edificio.

Se puede ver claramente que el diferencial eléctrico depende de la potencia

que el equipo consuma para llevar el flujo de salida del agua siempre a temperaturas

de 6,6°C, mientras que el diferencial térmico depende netamente de la temperatura

que exista en el área a climatizar. De esta forma, y a modo de ejemplo de la Figura

5-7, si el agua vuelve al equipo central a temperaturas de 12,5°C quiere decir que el

edificio exige la máxima capacidad para poder volver a condiciones normales de

funcionamiento, operando dentro de los límites dados por el confort. Esta es la

condición de equilibrio en operación, que busca ser mantenida en todo el horizonte

de funcionamiento, que ambos diferenciales de temperatura determinen el mismo

porcentaje de carga, tanto térmica como eléctrica.

77

Figura 5-7: Funcionamiento de los equipos de aire acondicionado

La operación antes descrita define a la temperatura del flujo del agua, tanto

en la entrada como en la salida, como el factor clave en la operación, la que

determina el funcionamiento de los equipos, y por ende su consumo de energía, y

que a través de las tablas de datos de los equipos, puede quedar definida de forma

clara en la modelación matemática realizada en esta investigación.

Precisamente esta modelación simula el sensor de temperatura ubicado

previo ingreso del flujo del agua al compresor. Este es entonces el que le indica al

equipo cual debe ser la potencia consumida para que el sistema continue en

equilibrio térmico, en otras palabras, indica la potencia necesaria para que el fluido

vuelva a los 6,6°C.

El Anexo C: Tipos de Equipos de Aire Acondicionado Central, muestra las

tablas características de todos los equipos de aire acondicionado que disponen los

edificios catastrados.

78

5.3.1 Efecto payback

Otro aspecto importante a modelar es el efecto payback. En la literatura

existen diversas formas de modelar este fenómeno transitorio, correspondiente a la

energía necesaria para restaurar el equilibrio térmico existente en el edificio,

equilibrio que se ha roto debido al funcionamiento forzado del equipo, generado por

los programas CDC. Estas metodologias abarcan distintos métodos para modelar este

fenomeno, desde parametrización del efecto (Huang & Huang, 2004), análisis

estadístico (Kurucz, Brandt, & Sim, 1996), y, el más utilizado, modelos físicos del

efecto payback (Nehrir et. al., 1995; Laurent et. al., 1995; Jorge et. al., 2000).

En esta investigación se realiza una simulación basado en el modelo físico

del funcionamiento del equipo, cuya operación es controlada por la temperatura de

entrada y de salida del agua. En la Figura 5-8 se puede apreciar un ejemplo de la

forma en que se modela el efecto payback.

Figura 5-8: Modelación efecto payback

Durante el primer período, el equipo se encuentra bajo operación normal,

esto se puede apreciar porque el diferencial térmico o ambiente es igual al diferencial

eléctrico. En otras palabras, el equipo de aire puede abastecer completamente el

requerimiento de frío del edificio.

En el segundo período se produce una limitación de potencia, bajo las

mismas condiciones de requerimiento de frío (se puede apreciar pues el diferencial

Período 1: Pot . Normal

Tent=11,8

Dif=5,2

Dif. Ambiente=5,2

Tsal=6,6

Período 2: Pot. Limitada

Tent=11,8

Dif=3,27

Dif. Ambiente=5,2

Tsal=8,53

Período 3: Payback

Tent=13,73

Dif=7,19Tsal =6,6

Dif. Ambiente=5,2

79

térmico permanece constante). Sin embargo, al limitar la potencia, el equipo no

puede abastecer la demanda térmica mas allá que lo que esta limitación permite, por

lo que el diferencial eléctrico solo puede reducir el agua que entra en 3,27°C y no en

5,2°C como ocurre en condiciones normales, esto hace que el flujo en la salida

ascienda de 6,6°C a 8,53°C.

En el tercer período aparece el efecto payback, generado al reconectar el

equipo y configurarlo en operación normal. Se puede apreciar que el agua sube a

8,53°C, pero el diferencial térmico sigue siendo de 5,2°C, con lo que el flujo ingresa

al equipo de aire a 13,73°C. Como se mencionó anteriormente, los equipos de aire

acondicionado buscan mantener la temperatura constante del flujo de agua a la salida

de él a 6,6°C, para lo cual necesita extremar recursos y generar un diferencial de

7,19°C, lo que sugiere un aumento en la potencia necesaria para volver al equilibrio,

potencia limitada por la capacidad máxima del equipo. En el caso que la potencia

máxima no alcanzara el equilibrio, el efecto payback se desplaza al siguiente

período, así hasta que ambos diferenciales se homologuen y el sistema alcance el

equilibrio.

5.3.2 Control de los equipos

Como último punto importante dentro del funcionamiento de los equipos,

cabe destacar el control de la operación que puede ejercese, especialmente en lo

referido al control remoto y programado de los equipos.

Este punto parece relevante a la hora de evaluar la factibilidad de este tipo

de programas, principalmente debido a que se requiere una comunicación entre el

control central de despacho y cada uno de los equipos participantes en los programas.

Primero que todo es importante referirse al control en la capacidad de los

equipos. Esto ya que no parece practico el apagar en su totalidad los equipos para

llevar a cabo la reducción de carga. Según los manuales, el proceso de puesta en

marcha de los equipos es dificultoso, y lento, además de estar limitado a ocho

desconexiones máximas en un período de 12 horas. La alternativa que se entrega en

los manuales de operación de los equipos es el operar el equipo a carga parcial. Se

entrega la posibilidad de a través de un contacto seco, que puede estar disponible a

80

través de una botonera o de un sistema de control remoto, activado por una señal de

5V, limitar a un porcentaje de potencia dada el funcionamiento del equipo, cuantas

veces se quiera. Es esta posibilidad la que se utilizará en el modelo aquí presentado,

debido a la flexibilidad de operación que entrega esta posibilidad de control.

El otro punto importante es el como cordinar el control de los equipos

participantes en el programa. Todos los equipos distribuidos por Carrier están

facultados para ser controlados de forma remota, a través de sistemas tales como

radio frecuencia o sistemas en línea a través de internet. Estos controladores no solo

supervisan la actividad del compresor de los equipos de aire acondicionado, sino

también permite controlar sensores, motores, ventiladores de los fan coils, etc. En la

Figura 5-9 se puede apreciar un ejemplo de un integrador que cumple esta misión y

que está en el catalogo de productos que Carrier tiene a su disposición.

Esta solución se presenta sencilla, económica, además elimina la

dependencia del operador del sistema, es un sistema que se enmarca en protocolos

abiertos de comunciación, etc.

Figura 5-9: Ejemplo de control de Carrier

81

5.3.3 Confort

El confort térmico se puede definir como la sensación mental que expresa

satisfacción con el ambiente térmico (ASHRAE, 1971). Esta definición deja abierto

un abanico de distintas sensaciones según las personas, pero enfatiza en el sentido de

que el confort es un proceso complejo influido por multitud de variables físicas,

fisiológicas, psicológicas y otros procesos distintos.

A pesar que los edificios se diseñan de forma tal de satisfacer las demandas

de confort, la complejidad de los procesos involucrados bajo este concepto hacen

muy dificil de alcanzar dicha condición para todos los ocupantes de un mismo

ambiente interior, por ser una característica subjetiva.

Sin embargo se ha intentado cuantificar la sensación de bienestar térmico,

realizando una misma actividad, y con un tipo de vestimenta similar, de forma de

definir una “zona de confort” como el área dentro de la curva psicomértica que

contiene los rangos entre los que puede variar los parámetros ambientales, para que

en un determinado ambiente la mayoría de estos ocupantes mantengan un cierto

grado de confort térmico.

Con la finalidad de dar cuenta de todo tipo de ambientes, es decir, con la

intención de identificar con un valor de temperatura efectiva estándar ambientes con

combinaciones variables de los principales parámetros de confort, se generan

subzonas que determinan en el diagrama psicométrico las llamadas zonas de confort,

tanto para invierno como para verano. La siguiente figura muestra las zonas de

confort cuando la actividad que se realice sea ligera y se lleve puesto, bien sea ropa

de invierno, bien sea ropa de verano, tomado de ASHRAE Fundamentals (ASHRAE,

1971).

82

Figura 5-10: Diagrama psicométrico zonas de confort

En la figura puede verse las definiciones del rango operacional entre las

cuales puede desenvolverse las temperatura para alcanzar escenarios de confort

térmico, el que para el invierno corresponde a temperaturas entre 20 y 24°C,

mientras que para el verano el rango va entre los 23 y 26°C.

Sin embargo, para efectos del modelo, se requiere poder identificar la

relación entre la temperatura de la superficie a climatizar, con el funcionamiento del

equipo de aire acondicionado central, tomando en cuenta que la operación remota del

equipo será a nivel de compresor central del equipo, por lo que se debe buscar la

correlación entre la temperatura del agua que circula por el circuito principal, y la

temperatura ambiental a la que se enfrentarán los usuarios.

Para esto es que, a través de simulaciones realizadas por la empresa Carrier,

que se logró obtener la relación entre el flujo de agua, y el flujo de aire que se hace

circular al interior de la habitación. Los resultados de esta simulación pueden

analizarse en la Tabla 5-6.

83

Tabla 5-6: Simulación correlación agua/aire para climatización

Los valores de las dos primeras columnas son obtenidos mediante las

simulaciones mencionadas, sin embargo para la relación entre el flujo de aire y la

temperatura ambiental debemos recurrir a un supuesto avalado por los proyectistas

de los equipos. Al ser controlado de forma independiente el actuar del equipo fan

coil, no pudiendo entrar en la operación global planteado en esta investigación, se

supone para el modelo que el flujo de aire que ingresa en la pieza es constante, al

igual que el flujo de agua que se deja pasar por el serpentín, eliminando la

posibilidad de control de él. Esto debido a que cada fan coil puede ser controlado de

manera individual por los usuarios, por lo que debe suponerse una homogeneidad de

su utilización para lograr un parámetro genérico. Además se considera que al ser

períodos cortos de modificación del funcionamiento de los equipos, la temperatura

del aire exterior más la que se extrae de la habitación, que configuran la temperatura

del aire mezclado que pasa por el ventilador, es constante. Esto busca analizar el

efecto individual del aumento de la temperatura de la habitación provisto por los

cambios en la condición del agua bombeada desde el compresor.

En base a lo anterior es que se puede concluir que a partir de la

modificación de un grado en el flujo de agua que llega al fan coil, se genera un

cambio aproximado de 0,6°C en el flujo de aire que expulsa el equipo, lo que genera

un cercano a 0,75°C en la temperatura de la habitación.

De esta forma, se tiene la relación entre la temperatura del agua y la

temperatura de la habitación, ya que este rango de 3 grados dados por el confort en la

6,6 18,00 237,6 18,65 23,88,6 19,17 24,449,6 19,91 25,25

10,6 20,52 25,97

Temperatura flujo de agua °C

Temperatura flujo de aire °C

Temperatura ambiente °C

84

habitación se transforma en 4 grados en la temperatura del agua que circula por el

sistema de aire acondicionado central.

23°C < Temperatura de Confort < 26°C (5.1)

6,6 < Temperatura salida del agua < 10,6 (5.2)

De esta forma se plantea la restricción más importante, ya que el control

global de los equipos de aire acondicionado debe ser tal de no violar los límites de

confort para los usuarios de aquellas construcciones que participen en el programa de

control directo de la carga.

5.4 Algoritmos Genéticos

El desarrollo de esta metodología se describe en detalle en el capítulo 6.

85

6. OPTIMIZACIÓN DEL CONTROL DE LA DEMANDA MEDIANTE

ALGORITMOS GENÉTICOS

Hasta este punto de la investigación, se ha logrado dar una representación

matemática tanto al funcionamiento eléctrico de los equipos de aire acondicionado central,

como al comportamiento térmico de los edificios comerciales presentes en la zona del

corredor de Las Condes.

El siguiente paso es definir de forma clara tanto el espacio de búsqueda, como el

conjunto de soluciones factibles existentes dentro de este horizonte de optimización.

Además se debe establecer una función que determine el desempeño de cada una de estas

posibilidades, de modo de poder realizar comparaciones y competencia entre ellas; en

conjunto con establecerlas restricciones del modelo.

Posteriormente, se debe definir el criterio de búsqueda de aquella o aquellas

soluciones que alcanzan el óptimo para función de desempeño. A este criterio de

exploración se le llama método de optimización.

Los problemas de naturaleza combinatoria han sido resueltos por algoritmos

particulares para cada problema, usando tradicionalmente una diversidad de técnicas tales

como:

• Métodos de gradiente: programación lineal, programación cuadrática,

programación entera, programación entera–mixta.

• Métodos enumerativos: búsqueda exhaustiva, programación dinámica, método

Branch–and–Bound.

• Métodos de búsqueda aleatoria: sólo buscan al azar y guardan la mejor solución.

Sin embargo, tres son los problemas que pueden encontrarse al ejecutar modelos de

optimización de este tipo. El primero tiene carácter temporal, es decir, pueden no

resolverse de manera exacta en tiempo razonable, aún cuando se tenga sólo un número

moderado de variables.

El segundo problema que puede llevar la aplicación de estos algoritmos es que

algunas metodologías pueden tener dificultades para encontrar el óptimo de forma global,

entranpándo su búsqueda en óptimos locales.

86

El tercero es que muchas de estas metodologías carecen de generalidad, pues están

desarrollados para la resolución de un problema en particular.

Todo lo anterior ha propiciado el uso de técnicas propias del ámbito de la

inteligencia artificial para resolver los problemas. En la actualidad, la investigación se ha

dirigido hacia el diseño de técnicas denominadas metaheurísticas, es decir, algoritmos de

búsqueda eficientes con respecto al tiempo de cómputo y con cierto grado de certeza de

entregar una buena solución.

6.1 Métodos de Optimización Metaheurísticas

Los modelos metaheurísticos son una de las alternativas más utilizadas para

los modelos de optimización matemática. El término metaheurística es usado para

describir todas aquellas técnicas que, en lugar de usar una aproximación de

optimización clásica, van paso a paso generando, evaluando, y seleccionando

opciones de expansión. Para hacer esto, realizan búsquedas locales con la guía de

reglas lógicas o empíricas y/o sensitivas. El uso de este tipo de algoritmos resulta

muy atractivo ya que se pueden encontrar buenas soluciones factibles con un menor

esfuerzo computacional que en los métodos tradicionales, sin embargo, no es posible

garantizar que se pueda encontrar la solución óptima.

Estas metodologías suelen basarse en procesos naturales de optimización,

como la teoría de la evolución, el comportamiento de colonia de hormigas, el

templado de los metales, etc. Si bien ambas basan su búsqueda en procesos

aleatorios, es importante diferenciar la metaheurística de aquellas búsquedas

estrictamente aleatorias. En la literatura, a la metaheurística se le clasifica como

técnicas aleatorizadas, debido a que incorporan elecciones aleatorias dentro del

proceso, como una forma de guiarlo y de realizar una mejor exploración del espacio

de soluciones.

Debido a esta misma naturaleza, los procesos de búsqueda no garantizan la

obtención de una solución óptima global, siendo su fin mayor el acercarse lo más

posible a ella en un tiempo razonable. Además buscan ser genéricos, a modo de ser

solución a una amplia gama de problemas. La particularidad para cada uno de los

87

distintos problemas trasciende en la forma en que deben codificarse las soluciones,

pero el proceso de búsqueda del óptimo es relativamente estándar.

En Martínez García (2003) se da la siguiente definición para los algoritmos

metaheurísticos:

“Los procedimientos metaheurísticos son una clase de métodos aproximados que están diseñados para resolver problemas difíciles de optimización combinatoria, en los que los heurísticos clásicos no son ni efectivos ni eficientes. Los metaheurísticos proporcionan un marco general para crear nuevos algoritmos híbridos combinando diferentes conceptos derivados de: inteligencia artificial, evolución biológica y mecanismos estadísticos”

Dentro de estas metodologías se pueden encontrar:

a) Templado simulado: está inspirado en el comportamiento físico del campo de la

metalurgia, del proceso de templado (annealing, en inglés), una técnica que incluye

calentar y luego enfriar controladamente un material para aumentar el tamaño de sus

cristales y reducir sus defectos. El calor causa que los átomos se salgan de sus

posiciones iniciales (un mínimo local de energía) y se muevan aleatoriamente; el

enfriamiento lento les da mayores probabilidades de encontrar configuraciones con

menor energía que la inicial. Basándose en este comportamiento, para cada paso, el

proceso considera algunos vecinos del estado actual, y probabilísticamente decide si

cambiar el sistema a otro estado o quedarse en el estado actual. Las probabilidades se

escogen para que el sistema tienda finalmente a estados de menor energía. Este paso

se repite hasta que se alcanza un estado suficientemente bueno para la aplicación o

hasta que se cumpla cierto tiempo computacional dado.

b) Búsqueda Tabú: los conceptos básicos de BT son memoria y movimiento. Respecto

a la memoria, este algoritmo se dota de una capacidad de almacenar los últimos

movimientos realizados, característica que es utilizada para recordar aquellas rutas

que hacen volver a soluciones ya exploradas, impidiendo dicha evolución. Se

caracteriza por utilizar estructuras de memoria de forma de escapar de los óptimos

locales. Su filosofía es derivar y explotar una colección de estrategias inteligentes

para la resolución de problemas, basadas en procedimientos implícitos y explícitos

de aprendizaje.

88

El proceso iterativo de búsqueda se desarrolla a partir del movimiento desde

un estado hacia otro, perteneciente a su vecindad, que entregue una mejor solución al

problema global, desarrollándose un criterio que permite ir más allá de un óptimo

local. A diferencia de las metodologías tradicionales de búsqueda, no existe un

criterio de detención cuando no se encuentra en la vecindad una mejor solución que

provea de una solución mínima. De esta forma se evita que el algoritmo se entrampe

en un óptimo local, y permite la evolución hacia la búsqueda del óptimo global.

c) Algoritmos Genéticos: La base de este tipo de algoritmos es codificar las soluciones,

determinar los valores mínimos para la función objetivo, y generar descendencia a

través de procesos de apareamiento y mutación, con un criterio heurístico de

finalización de la búsqueda del óptimo del problema. Las últimas investigaciones

para resolver problemas como los que se presentan en esta investigación se han

centrado en el desarrollo de técnicas heurísticas como algoritmos genéticos para la

búsqueda de los vectores solución que minimicen la demanda de punta. Esto

principalmente debido a que la resolución del modelo usando esta metodología se ve

facilitada por la naturaleza del problema mismo, en el que se debe optimizar el

encendido y apagado de los equipos, en forma de trenes compuestos de 0 y 1s. En el

Anexo E: Descripción de los Algoritmos Genéticos se realiza una descripción más

detallada de estos algoritmos.

89

7. APLICACIÓN DE LA METODOLOGÍA PROPUESTA

7.1 Modelo Matemático

Con todos los antecedentes previamente descritos, el siguiente paso es

describir el modelo de optimización que esta investigación busca construir de modo

de reducir la demanda de punta de la subestación Vitacura, de modo de lograr una

posposición o evasión del requerimiento de nuevas inversiones en capacidad.

El modelo se puede resumir a través de las siguientes ecuaciones: ( , ) − ∑ , × , + ∑ , × , (7.1) . 6,6° ≤ , ≤ 10,6° (7.2) : = í 15 ℎ ó (7.3) = ú (7.4) , = (7.5) , = (7.6) , = / , − ó

(7.7) , ( , ) − ,

(7.8) , = , , − , × , + , } (7.9) , = 6,6 ° , = 0 , = 0 , − ( , ) − 6,6° ) . . .

(7.10) , = ( , ) , = 0 , = 0 , + ( , − 6,6° ) . . . (7.11)

90

De esta forma se procede a explicar ecuaciones y parámetros que le dan

sentido matemático al modelo de funcionamiento de los equipos de aire

acondicionado.

Primero que todo, resulta fundamental comprender la manera en que se

establece el horizonte de búsqueda para este modelo de optimización. La literatura

habla generalmente de períodos de entre 15 a 20 minutos como unidad de

optimización. Para este trabajo, y en conjunto con detalles de funcionamiento

entregada por expertos de la empresa Carrier, es que se define como unidad de

operación ciclos de 15 minutos. Esto principalmente debido a que los equipos

suponen este intervalo de tiempo como suficiente para mantener, en la totalidad del

período, las condiciones constantes de temperatura en el flujo de agua que circula

entre las distintas superficies a climatizar. Todas las consideraciones de operación se

contemplan al inicio del intervalo, de forma de facilitar el análisis.

Otro supuesto importante es que al ser los datos de potencia, entregados por

Chilectra, muestras promedio para cada hora, es que se considera una demanda plana

para cada uno de los 4 períodos de 15 minutos que tendrá cada hora, con igual

consumo.

Por otro lado, el largo del período de optimización guarda relación con la

magnitud de la demanda de punta que busca ser reducida. La extensión del horizonte

de búsqueda también es fundamental para la convergencia rápida del modelo, pues si

este se extiende en demasía la cantidad de soluciones a evaluar aumenta

exponencialmente, generando dificultades en la búsqueda del óptimo. Es por esto

que se define para la solución presentada, una búsqueda de cuantas horas debe

evaluarse el proyecto, como algo particular, dependiente de la cantidad de carga

gestionable que pueda hacerse participante en el programa. La literatura y los

resultados preliminares hablan de valores sobre el 10% de la carga gestionable que

puede ser reducido, por lo que es esta primera estimación la que podría dar una luz

respecto a cuantas horas, en aquellos días de demanda máxima, debe ser aplicado el

programa de CDC, tomando en cuenta la curva de carga de la subestación para las

horas que se busca ejecutar el programa. Tomando en cuenta estas consideraciones,

es que se define un horizonte de optimización de dos horas, desde las 15 a las 17 hrs,

91

lo que define soluciones de 8 bits, representantes de cada uno de los 8 períodos de 15

minutos que forman este intervalo.

Una vez definido el espacio de búsqueda, se procede a determinar el modelo

matemático que simula la ejecución del programa de control de la carga. El escenario

a optimizar está dado por la demanda de punta de la subestación Vitacura para el día

en que se requiera ejecutar el programa CDC, curva que es generada a partir del

modelo predictor de carga dado por el modelo desarrollado en el Capítulo 5.1 y que

es definido de acuerdo a las siguientes ecuaciones: Min ∑ ( ( , ) × ( , ) − ñ ( , ) ) (7.12)

k=1…365 (días del año)

t=1…24 (horas) P(k,t)= ñ ( , )∑ ñ ( , ) (7.13) ( ) = ñ ( ∗) ∗ (7.14)

Donde P(k,t) corresponde al factor que da mayor importancia al match en

aquellos períodos de demanda máxima para del día k, a la hora t. El factor de

crecimiento se establece, según datos de la distribuidora, en 9% anual para los

siguientes 5 años.

En la Figura 7-1 se muestra la forma en que opera el predictor. A modo de

ejemplo, en la primera columna se encuentra el vector de temperaturas pronosticadas

para el día Jueves 27 de diciembre de 2007, y es a partir de dicha información que se

busca el match óptimo con las temperaturas del 2006 que se encuentran en la base de

datos. El resultado de este proceso determina que es el día miércoles 6 de diciembre

de 2006 el que genera el menor error cuadrático entre ambos perfiles de

temperaturas. De esta forma, y aplicando el factor de crecimiento de demanda al

perfil de carga de la solución encontrada, se obtiene el escenario de carga de la

subestación, para el día a optimizar.

92

Figura 7-1: Predictor de carga

La función objetivo, como se ha mencionado en el cuerpo de este informe,

es entonces el minimizar la demanda máxima de la subestación Vitacura, sujeta a las

restricciones de confort dadas por la condición descrita en el capítulo 5.3.3. Esta

demanda de la subestación esta dada, para cada hora, por la acción conjunta de la

carga resultante del predictor recién descrito, menos la carga gestionable, aplicada en

el caso de que el modelo determine la acción del programa en dicho período de

tiempo, más el efecto payback, en el caso que este estuviera presente.

La carga gestionable, definida por la ecuación 7.7, está dada por la

diferencia entre la curva horaria gestionable, dado por el modelo explicitado en el

capítulo 5.2, y el nivel de limitación de demanda convenido para los equipos. En la

Figura 7-2 se muestra un ejemplo de lo que representa el nivel de carga gestionable,

con una limitación de 40% de la carga para el edificio Alsacia, en el día de mayor

temperatura proyectada para el mes de Diciembre.

93

Figura 7-2: Nivel de carga gestionable edificio Alsacia

Respecto al efecto payback, se crea el índice payback, el cual identifica su

acción en el momento en que los diferenciales de temperatura, dados entre la

temperatura de entrada y de salida del flujo del agua del compresor para el período

previo, no alcanzan el equilibrio, requiriendo de un mayor consumo para lograr

recuperar tal estado. Respecto a la magnitud en sí de este efecto, queda determinado

en función de la temperatura de entrada del flujo, es decir, dada una cierta

temperatura de entrada, se calcula la potencia requerida por el equipo para recuperar

los 6,6°C que debe tener en la salida del compresor, bajo condiciones normales de

operación, función obtenida a través de curvas de funcionamiento desarrolladas a

partir de las hojas de datos de los equipos.

Respecto a la ecuación 7-9, es importante recalcar que los equipos pueden

dar abasto a este aumento en el consumo debido al efecto payback en la medida que

la capacidad máxima a la que pueden operar estos equipos lo permita. Además se

debe tener en cuenta el hecho de que a niveles de capacidad máximos, los equipos

presentan ineficiencias si se compara con la operación normal a 75 o 50% de

capacidad, tal como se muestra en la Figura 5-6, lo que genera un aumento en la

energía consumida.

-

50

100

150

200

250

300

350

400

450

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

kW

Carga Gestionable Edificio AlsaciaLímite 40%

Carga Gestionable

Limite de Demanda

94

Por último es importante definir la función de las temperaturas del flujo,

tanto a la entrada como a la salida del compresor, debido a que son estos los

parámetros físicos que determinan el funcionamiento de los equipos. (Ecuaciones 7-

10 y 7-11)

La temperatura de salida del flujo debe mantenerse idealmente en 6,6°C, sin

embargo bajo condiciones de control externo de los equipos, esta condición de

equilibrio se rompe. Esto ocurre principalmente porque a través del control forzado,

el equipo de aire acondicionado puede reducir la temperatura del flujo en tantos

grados como permita dicha limitación, mientras que el diferencial térmico de

temperatura existente entre el flujo de agua y el flujo de aire inyectado hacia el

recinto a climatizar es independiente de control alguno, lo que genera esta pérdida

del equilibrio con el consiguiente aumento de la temperatura de las superficies a

climatizar. En el caso de estar bajo el efecto payback, la temperatura a reducir

depende de la carga a la que el equipo haya estado funcionando en el período de

control precedente. De esta forma, la temperatura de salida está dado, tanto para la

limitación como para el payback, por la temperatura de entrada del agua en el

período anterior, más el diferencial de temperatura dado por la carga controlada en

dicho período.

Para el caso de la temperatura de entrada, el proceso es similar al anterior.

En caso normal, la temperatura de entrada depende de la potencia que esté utilizando

el equipo para climatizar el edificio, sin embargo al momento de limitación o de

payback, la temperatura de entrada será definida por la temperatura de salida del

agua en ese momento, más el diferencial térmico dado por el requerimiento de frío

que posea el edificio en ese momento.

7.2 Aplicación de los Algoritmos Genéticos

El siguiente paso es desarrollar el algoritmo de optimización, siguiendo las

indicaciones dadas en el Anexo E: Descripción de los Algoritmos Genéticos.

a) Inicialización de las soluciones: tomando en cuenta la naturaleza del problema, es

que la solución no debe ser codificada sino explicitada tal cual es, un vector de 8

bits, representando cada uno de los 8 períodos de 15 minutos entre las 15 y 17

95

hrs. Para el modelo desarrollado en esta investigación, un 1 significa que la

operación del equipo es modificada, por lo que su funcionamiento es limitado,

mientras que un 0 indica el estado de operación normal.

La idea tras la inicialización de las soluciones es que cada individuo

perteneciente a una generación este constituido de una matriz con tantas filas

como edificios participen en el programa. La representación gráfica de cada

generación puede verse en la Figura 7-3.

Posteriormente se evalúa la totalidad de soluciones, es decir las 28

combinaciones posibles de 0 y 1, en la restricción de temperaturas enunciada en

la ecuación 7.2, de forma de obtener el universo total de soluciones factibles para

el problema.

b) Generación de la población inicial: la primera población de soluciones es

generada de forma aleatoria, con una mayor probabilidad de encontrar un 1 en los

primeros 4 bits de cada uno de los vectores solución, y con igual probabilidad

para los 4 últimos, siempre procurando que dichas soluciones pertenezcan al

espacio de soluciones factibles por cada edificio. Esto debido a que la demanda

de punta se encuentra en la primera hora, es decir, en los primeros 4 bits. De esta

forma se asegura comenzar con una población más cercana al óptimo que en el

caso que las probabilidades fueran uniformes a lo largo del vector. Los valores

escogidos, después de algunas pruebas, son 0,75 para los 4 primeros y 0,5 para

los 4 últimos. Para efectos de esta investigación se considera una población

formada por 20 individuos. Una generación mayor solo genera un aumento en los

tiempos de cómputo, sin entregar una mejora significativa en los resultados del

modelo.

96

Figura 7-3: Inicialización de las soluciones

c) Evaluación de la población: la función de adaptación será la misma que la del

modelo a optimizar, por la simplicidad de este, correspondiente a minimizar la

demanda máxima para toda hora. A partir de este valor, es que las soluciones

compiten por su mejor adaptación al ambiente, al minimizar la función objetivo.

d) Selección de los individuos a reproducir: la selección de individuos padres a

reproducir se lleva a cabo mediante torneo. Se escogen dos individuos al azar,

con igual probabilidad, y se hacen competir buscando el menor valor dentro de la

función de adaptación. Encontrada la mejor de las dos soluciones, se busca el

segundo padre de forma aleatoria. De esta manera se asegura mayor diversidad en

las soluciones a reproducir, asegurándose que al menos uno de los dos tiene una

buena adaptación.

e) Reproducción de los individuos: En Gil Sagás (2001) se desarrolla un algoritmo

de despacho de generación para un sistema hidrotérmico basado en algoritmos

97

genéticos, en el que se utiliza métodos de reproducción similares a los que se

usan en esta investigación.

De esta forma, se utilizan dos tipos de cruzamiento, el cruzamiento de

ventana y cruzamiento de dos puntos, ambos del tipo multipuntos. La mutación

tiene probabilidad 1 de ser realizada, repartiéndose cada tipo la mitad de la

probabilidad, asegurando de esta forma, que si no se ejecute una, se ejecute la

otra.

• Cruza de ventana: para este método, se escogen al azar 4 números,

representantes a dos columnas y dos filas de las matrices solución. Estos

valores son aplicados a ambos padres, generándose 4 submatrices. Al

combinarse, estas generan dos nuevos hijos, de los cuales solo sobrevive

el que tenga mejor adaptación al ambiente, es decir, aquel que obtenga

una menor demanda de punta para el sistema. De forma gráfica, lo recién

explicado puede apreciarse en la Figura 7-4.

98

Figura 7-4: Cruzamiento de ventana

• Cruzamiento de dos puntos: es similar al método anterior, con la

diferencia que para este método se considera la totalidad de las filas, por

lo que sólo se generan dos números que determinan cuales columnas

deben ser tomadas en cuenta para la generación de las 4 submatrices. De

igual forma que la anterior, se generan dos hijos, de los cuales sólo

sobrevivirá aquél de mejor desempeño en la función objetivo. La

representación gráfica puede apreciarse en la Figura 7-5.

99

Figura 7-5: Cruzamiento de dos puntos

f) Este proceso de cruza se repite hasta lograr completar la nueva población de

hijos, de igual cantidad de individuos que la que formaban los padres, que para

esta investigación es de 20 integrantes por generación. Es importante tomar en

cuenta que los hijos son revisados de forma que siempre la nueva solución

pertenezca al espacio de soluciones factibles. Si así no lo fuera, el proceso se

repite hasta que la solución sea factible.

g) Mutación de los individuos: en esta investigación se realiza una mutación

aleatoria, donde se definen dos probabilidades. Una determina la probabilidad de

que la fila n, es decir, el edificio n, este sujeto a la mutación de alguno de sus bits.

Esta se denomina Pedificio y se le asoció un valor de 0,1. La otra probabilidad de

mutación determina, estando ya en la fila correspondiente a la operación de un

100

edificio, si es que alguno de sus bits debe o no mutar de un 1 a un 0 o viceversa.

Esta se denomina Pbit y se le asigna un valor de 0,01.

h) Refresco: este operador busca dar mayor variabilidad al espacio de soluciones. Su

función es, después de pasadas un cierto número de soluciones, refrescar de

forma aleatoria, bajo el mismo concepto que la inicialización de soluciones, a

toda la población, exceptuando aquella que mejor se adapte al sistema, la que se

mantiene para generaciones posteriores, buscando competencia en esta nueva

población. Para esta investigación el refresco se realiza al completar 20

generaciones.

i) Criterio de convergencia: para esta investigación se escoge como criterio de

convergencia el número máximo de iteraciones, correspondiente a 1000

generaciones. Un número mayor no genera mejoras sustanciales en las soluciones

y si un aumento en el tiempo de computo de la solución.

101

8. RESULTADOS

En este capítulo se expondrán los resultados obtenidos a partir del modelo

desarrollado para esta investigación. Estos resultados se dividen en tres procesos de

modelación.

El primero corresponde al total de edificios catastrados, en su totalidad clientes de

la empresa Carrier. Estos presentan datos reales de los equipos, sin embargo es sólo una

muestra del total de edificios de oficinas clase A existentes en el corredor de Las Condes,

por lo que su alcance total dentro de la carga de la subestación no tiene una magnitud

relevante.

Para realizar un análisis del efecto real que actualmente podría tener la aplicación

de programas de control directo de la carga en esta zona, a través de los equipos de aire

acondicionado central, es que se realiza una proyección tomando en cuenta el total de m2

construidos en la zona, y utilizando los edificios catastrados como bloque de control. De

esta forma, se proyecta este grupo tantas veces se pueda, hasta obtener valores

aproximados del total de oficinas construidas, tomando en cuenta el catastro real de

oficinas clase A presentado en CB Richard Ellis (2007).

Por último, una tercera modelación trata de buscar las condiciones futuras en el

corredor de Las Condes, principalmente a lo referido a la instauración tanto del complejo

Costanera Center como el Titanium la Portada, de forma de estimar el alcance, tomando en

consideración los resultados anteriores, de la aplicación de un programa como el que aquí

se presenta en la zona referida.

8.1 Escenario de Carga Clientes Carrier

En la Tabla 5-1 se presentó el catastro de clientes que la empresa Carrier

posee en la zona del corredor de Las Condes. Entre todos se reúnen cerca de 600.000

m2 de edificios de oficinas clase A construidos. De esta forma, a partir de la

metodología descrita en el capítulo 5.2, es que se puede obtener la curva de carga

gestionable total para la subestación Vitacura, curva que puede apreciarse en la

Figura 8-1.

Este perfil de cargas horario, es equivalente a la suma de las curvas de todos

los edificios clientes de Carrier en la zona del corredor de Las Condes, para los

102

meses de verano en sus días de mayor temperatura, cuyo máximo se encuentra en el

mes Diciembre con 7,5 MW de potencia gestionable.

Figura 8-1: Curva de carga gestionable SE Vitacura

Para ver el alcance que tiene esta curva gestionable en la carga total de la

subestación, es que se presenta en la Figura 8-2 un ejemplo de lo que ocurre para el

día de mayor temperatura en el mes de Diciembre.

Figura 8-2: Carga de la SE y carga gestionable, escenario real, mes de diciembre

0

1

2

3

4

5

6

7

8

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Mill

ares

Escenario de total de carga gestionable SE Vitacura (MW)

Octubre Noviembre Diciembre Enero Febrero Marzo

-

20.000

40.000

60.000

80.000

100.000

120.000

140.000

160.000

12 13 14 15 16 17 18 19 20

Demanda en Punta Carga Gestionable

Demanda de Punta Subestación Vitacura

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%



Carga de la SE y Carga Gestionable, escenario real, mes de Diciembre

5.08%

Horas

103

Claramente se puede apreciar que el impacto en la carga de la S/E generado por la

carga gestionable total de los equipos de aire acondicionado central es muy pequeña. Esto

porque la demanda de punta de la carga gestionable alcanza un 5,08% del consumo

máximo de la subestación, con un alcance de 4,56% en el período de demanda máxima de

la SE, es decir las 15 horas.

De esta forma, se procede a probar el modelo para distintos niveles de limitación de

carga en los ciclos de operación de los equipos, en un rango entre 80 y 40% de capacidad.

En la Figura 8-3 se puede apreciar un resumen, mostrando los valores promedio de

convergencia para cada uno de los valores de limitación de capacidad presentados a

continuación.


real

137.600

137.800

138.000

138.200

138.400

138.600

138.800

139.000

139.200

1 60 119

178

237

296

355

414

473

532

591

650

709

768

827

886

945

kW

Resultados Escenario Real

80%

60%

50%

40%

70%

104

Tabla 8-1: Valores promedio reducción de la demanda de punta, escenario real

a) 40% de Capacidad: La limitación de 40% es la menor que se puede utilizar para los

programas limitadores de carga que poseen los equipos instalados por Carrier,

según las hojas de datos de los dos equipos que los edificios catastrados utilizan

para condicionar ambientes. Se debe recordar que una desconexión total de los

equipos tiene barreras operacionales, principalmente a lo que se refiere a número de

desconexiones diarias y a los requerimientos temporales de puesta en marcha para

estos equipos.

Para este nivel de limitación es que entonces se propone 5 simulaciones del

modelo de minimización construido en esta investigación, cuyos resultados se

muestran en la Figura 8-4.

Figura 8-4: Simulación de la minimización, limitación 40%, escenario real

Carga Máxima S/E Reducción

kW kW80% 138.702 520 7%70% 138.140 1.082 15%60% 138.366 856 12%50% 138.462 760 11%40% 138.617 605 9%

Porcentaje de Limitación

Porcentaje de Reducción

Escenario Real (Demanda Máxima

139,222 kW)

137.000

137.500

138.000

138.500

139.000

139.500

1 24 47 70 93 116

139

162

185

208

231

254

277

300

323

346

369

392

415

438

461

484

507

530

553

576

599

622

645

668

691

714

737

760

783

806

829

852

875

898

921

944

967

990

Escenario RealLimitación 40%

ITER1 ITER2 ITER3 ITER4 ITER5

105

De la figura, se puede apreciar que asintóticamente las soluciones convergen

a valores cercanos al 138.617 kW de demanda máxima, lo que corresponde al 9% del

total de carga gestionable, es decir, de un universo de carga gestionable

correspondiente al 5% de la carga total de la subestación, se puede reducir, con el

catastro real, 605 kW lo que corresponde a un 0,5%, del total.

Estos bajos resultados son atribuidos a que el efecto payback generado con

esta gran limitación, compensa a la reducción de la carga que se genera a través de

esta metodología. Además, a través de esta restricción en la operación de los equipos

se genera una menor cantidad de combinaciones factibles para el problema, lo que se

traduce en una menor posibilidad de participación de múltiples interrupciones en el

funcionamiento de los equipos por edificio, limitando el potencial porcentaje de

carga a reducir.

b) 50% de Capacidad: Este nivel de limitación permite tener un mayor número de

soluciones factibles que para el caso anterior, lo que genera una mayor interacción

entre la limitación de los equipos, la reducción de la punta y la evasión del efecto

payback. Los resultados de la convergencia de estas simulaciones se pueden

apreciar en la Figura 8-5.


137.000

137.500

138.000

138.500

139.000

139.500

1 24 47 70 93 116

139

162

185

208

231

254

277

300

323

346

369

392

415

438

461

484

507

530

553

576

599

622

645

668

691

714

737

760

783

806

829

852

875

898

921

944

967

990



106

Como se puede apreciar, el resultado de la minimización de la demanda de

punta, con valores de limitación de 50%, es de un valor cercano al 11% del universo

total de carga gestionable reunida con el catastro de clientes Carrier para la zona del

corredor de Las Condes, lo que corresponde a un 0,55% de la carga total de la

subestación.

c) 60% de Capacidad: los valores de simulación para este nivel de limitación se

pueden apreciar en la Figura 8-6.


Se puede concluir que con una limitación de capacidad de 60% para la

operación de los equipos de aire acondicionado central se puede disminuir un 12%

de la demanda gestionable, correspondiente al 0,6% de la carga a nivel de

subestación.

d) 70% de Capacidad: el nivel de operación a limitar corresponde al 70% de la carga

total del equipo. Los resultados obtenidos pueden verse en la Figura 8-7.

137.000

137.200

137.400

137.600

137.800

138.000

138.200

138.400

138.600

138.800

139.000

1 24 47 70 93 116

139

162

185

208

231

254

277

300

323

346

369

392

415

438

461

484

507

530

553

576

599

622

645

668

691

714

737

760

783

806

829

852

875

898

921

944

967

990



107


Se observa que con este nivel de limitación se puede reducir un 15% el total

de carga gestionable, correspondiente a un 0,77% de la demanda de punta de la

subestación Vitacura. Es esta entonces la restricción que entrega mejores resultados

al problema aquí planteado, principalmente debido a la diversidad de soluciones que

se presentan factibles al problema, al estar limitada la operación a valores cercanos al

funcionamiento normal de los equipos, y al poseer un mayor manejo en la relación

reducción de demanda versus control del payback al que se ve enfrentado, al

interrumpir los ciclos normales de operación de los equipos de aire acondicionado

central.

e) 80% de Capacidad: el último nivel de operación a limitar corresponde al 80% de la

carga total del equipo. Los resultados obtenidos pueden verse en la Figura 8-8.

137.000

137.200

137.400

137.600

137.800

138.000

138.200

138.400

138.600

138.800

1 24 47 70 93 116

139

162

185

208

231

254

277

300

323

346

369

392

415

438

461

484

507

530

553

576

599

622

645

668

691

714

737

760

783

806

829

852

875

898

921

944

967

990



108


Se observa que con este nivel de limitación se puede reducir un 7,35% del

total de carga gestionable. Se puede apreciar que debido al efecto no lineal del

rendimiento de los equipos, este nivel de limitación entrega peores resultados que la

limitación anterior.

A continuación se muestra una solución para la limitación de potencia en

70%, para los días de mayor temperatura del mes de Diciembre. Se puede apreciar en

la Figura 8-9, el tren de pulsos resultantes, donde el nivel en 1 indica control forzado,

y 0 control natural, mientras que en la Figura 8-10 se muestra el efecto generado por

dicha solución en la carga total de la SE.

137.000

137.500

138.000

138.500

139.000

139.500

1 24 47 70 93 116

139

162

185

208

231

254

277

300

323

346

369

392

415

438

461

484

507

530

553

576

599

622

645

668

691

714

737

760

783

806

829

852

875

898

921

944

967

990



109

Figura 8-9: Patrón de encendido/limitado de edificios, escenario real

1 Operación Palladio1 1 1 1 0 0 0 0

2 Operación Procter0 0 1 0 0 0 1 1

3 Operación Costanera1 1 1 1 1 0 0 1

4 Operación Consorcio0 0 0 1 0 1 0 0

5 Operación Capitolio1 1 1 1 0 0 1 1

6 Operación Millenium1 1 1 1 0 0 0 1

7 Operación Bosque Norte 0 0 0 0 0 1 0 1

8 Operación Torre de la Industria 1 1 1 1 0 0 1 0

9 Operación Golf 20011 1 1 1 1 0 1 1

10 Operación Isidora 2000 1 1 1 1 1 0 1 1

11 Operación Entel0 0 1 0 1 1 1 0

12 Operación Ritz1 1 1 1 0 1 0 0

13 Operación BCI1 1 0 1 1 1 0 1

14 Operación Nueva Providencia 1 1 1 1 1 0 0 0

15 Operación Citibank1 1 1 1 0 1 0 0

16 Operación Chiletabacos 0 0 1 1 0 1 1 0

17 Opercacion Alsacia1 1 1 1 0 1 1 0

18 Operación Foster1 1 1 1 1 1 1 0

110

Figura 8-10: Efecto en la carga de la SE, escenario real

Tabla 8-2: Resultados de la optimización escenario real

En la Tabla 8-2 se puede observar los resultados obtenidos mediante la

aplicación teórica del modelo desarrollado en el escenario real de clientes Carrier,

dentro de la zona de estudio. Se puede apreciar que se genera una reducción

correspondiente a 1,1 MW, que representa un 15% de los 7,1 MW totales de carga

gestionable catastrada.

En la Figura 8-11 se puede apreciar lo que ocurre con la curva de carga

gestionable para todo el período de optimización. Claramente, lo que se genera es el

desplazamiento la demanda de punta de la carga gestionable hacia zonas de menor

requerimiento de demanda para la subestación. De esta forma se logra aplanar su

perfil de carga, reduciendo la punta y aumentando la carga de zonas de menor

magnitud de consumo, tal como se pudo apreciar en la Figura 8-10.

100.000

105.000

110.000

115.000

120.000

125.000

130.000

135.000

140.000

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

kW

Horas

Curva de Carga Subestación Vitacura

Carga No Controlada

Carga Controlada

RESULTADOS ESCENARIO REAL 70%Demanda Max Carga Gestionada (kW) 8.043

Demanda Max Carga No Gestionada (kW) 7.077 Demanda Max SE, Carga Gestionada (kW) 138.131

Demanda Max SE, Carga No Gestionada (kW) 139.222 Diferencia (kW) 1.091

Porcentaje de lo Gestionado 15,4%Porcentaje AC de la SE 5,1%

111

Figura 8-11: Efecto de la operación forzada en la curva de carga gestionable, escenario real

El efecto payback y la reducción de la carga propiamente tal pueden

apreciarse en la Figura 8-12.

Figura 8-12: Reducción y efecto payback, escenario real

En la Figura 8-13 se puede apreciar el efecto de esta solución en cada uno

de los 18 edificios a los que se les ha aplicado programas CDC.

0

1.000

2.000

3.000

4.000

5.000

6.000

7.000

8.000

9.000

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

kW

Horas

Curva de Carga Gestionable

Total Gestionable No Controlado

Total Gestionable Controlado

-1.500

-1.000

-500

-

500

1.000

1.500

2.000

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Efecto Payback (kW)

112

Figura 8-13: Resultados en edificios, escenario real, 70% limitación

-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Palladio

Carga No Controlada Carga Controlada Temperatura de Salida

-1,00

1 ,00

3 ,00

5 ,00

7 ,00

9 ,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Procter


-1,00

1 ,00

3 ,00

5 ,00

7 ,00

9 ,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

400,00

450,00

500,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Costanera


-1,00

1 ,00

3 ,00

5 ,00

7 ,00

9 ,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

400,00

450,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Consorcio


-1,00

1,00

3,00

5,00

7,00

9,00

11 ,00

-

50,00

100,00

150,00

200,00

250,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Capitolio


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Milenium


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

400,00

450,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Bosque Norte


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Torre de la Industria


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

700,00

800,00

900,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Golf 2001


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

700,00

800,00

900,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Isidora 2000


113

Figura 8-10: (Continuación)

Se puede apreciar entonces como es alterado el perfil de carga de cada uno

de los edificios ante la interrupción del ciclo natural de funcionamiento, forzando la

operación al patrón de pulsos mostrado en la Figura 8-9. Se puede ver también, en el

eje secundario, la curva de temperatura de entrada. Se debe recordar que en

condiciones normales de operación esta se mantiene constante en 6,6°C, y que para

-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Entel


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Ritz


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio BCI


-1,00

1,00

3,00

5,00

7,00

9,00

11 ,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

400,00

450,00

500,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Nueva Providencia


-1 ,00

1,00

3,00

5,00

7,00

9,00

11 ,00

-

200,00

400,00

600,00

800,00

1.000,00

1.200,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Citibank


-1 ,00

1,00

3,00

5,00

7,00

9,00

11,00

-

20,00

40,00

60,00

80,00

100,00

120,00

140,00

160,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Chiletabacos


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

400,00

450,00

500,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Alsacia


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50 ,00

100,00

150,00

200,00

250,00

300,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Foster Isidora


114

mantener las condiciones de confort, no debe sobrepasar los 10,6°C. Se puede ver

perfectamente la correlación entre interrupción y el aumento en la temperatura, así

como también como vuelve a sus parámetros normales al retomar las condiciones

normales.

8.2 Escenario Proyectado de Carga

Tomando en cuenta la pequeña muestra de consumo que representa la carga

gestionable catastrada para los clientes Carrier, es que se busca, a través de este

bloque seguro de demanda que se pudo recopilar, lograr configurar de forma

aproximada el escenario real de carga gestionable que se tiene en la zona del

corredor de Las Condes, en lo que a la demanda de equipos de aire acondicionado

central se refiere.

Para esto es que se considera el catastro de oficinas obtenido de los estudios

inmobiliarios realizados por la consultora inmobiliaria Colliers International, en su

filial chilena, a los que ya se hizo referncia en la Figura 4-2. Estos estudios

determinaron que para el final del tercer trimestre del año 2007, en la zona del

corredor de Las Condes, se encentran disponibles 947.316 m2 de superficie utilizadas

como oficinas comerciales de las llamadas tipo A.

Se busca entonces utilizar los metros cuadrados de edificios que se tienen

como clientes de Carrier, cuyos datos han sido corroborados, duplicando dicho grupo

de control de modo de lograr igualar la superficie total existente para este tipo de

oficinas en la zona, publicada por dicha consultora.

El catastro obtenido de Carrier indica un total de 594.000 m2, comentado

anteriormente en la Tabla 5-1. Se concluye entonces que el duplicar el bloque de

carga permite alcanzar, de forma aproximada, el escenario actual real de clientes con

características gestionables. De esta forma, la nueva curva de carga gestionable

horaria para la subestación Vitacura, para cada mes de la temporada de verano, se

puede apreciar en la Figura 8-14, alcanzando un valor de demanda máxima en el mes

de diciembre, correspondiente a un valor cercano a los 14 MW.

115

Figura 8-14: Escenario horario de carga gestionable para escenario proyectado

En la Figura 8-16 se puede ver este nuevo escenario, correspondiente al

10,17% de la carga total de la subestación, con una demanda coincidente para la

demanda de punta de la SE de un valor de 9,11%.

Al igual que para la modelación anterior, se procede a simular los distintos

niveles de limitación de la carga de forma de buscar los mejores resultados para la

reducción de la demanda de punta de la subestación Vitacura, lo que se puede

apreciar tanto en la Figura 8-15 como en la Tabla 8-3.

0

2

4

6

8

10

12

14

16

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Mill

ares

Escenario simulado de carga gestionable SE Vitacura(MW)

Mes/Hora Octubre Noviembre Diciembre Enero Febrero Marzo

Hrs

116


proyectado

Tabla 8-3: Valores promedio reducción de la demanda de punta, escenario proyectado

136.000

136.500

137.000

137.500

138.000

138.500

139.000

139.500

140.000

1 60 119

178

237

296

355

414

473

532

591

650

709

768

827

886

945

kWResultados Escenario Proyectado

80%

70%

60%

50%

40%


kW kW80% 138.191 1.031 8%70% 137.360 1.862 13%60% 137.856 1.366 10%50% 138.025 1.197 8%40% 138.222 1.000 7%



Escenario Proyectado (Demanda Máxima

139,222 kW)

117

Figura 8-16: Carga de la SE y carga gestionable, escenario proyectado, mes de diciembre

a) 40% de Capacidad: al igual que en el punto anterior, este nivel de restricción

presenta los resultados menos satisfactorios, debido principalmente a que el efecto

payback es considerable. Los valores de convergencia de esta simulación pueden

verse en la Figura 8-17.

-

20.000

40.000

60.000

80.000

100.000

120.000

140.000

160.000

180.000



0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%



Carga de la SE y Carga Gestionable, escenario simulado, mes de Diciembre

10.17%

118

Figura 8-17: Simulación de la minimización, limitación 40%, escenario proyectado

Los resultados indican que del escenario total de demanda gestionable, a

través de esta restricción, se puede reducir un 7%. Tomando en cuenta que este

nuevo escenario de carga gestionable corresponde a un 10,17% de la demanda

máxima de la subestación, esta reducción de carga gestionable genera una

disminución de 0,99 MW, correspondientes a un 0,71% de la demanda total de la SE.

b) 50% de Capacidad: este segundo nivel de restricción genera los resultados que se

muestran en la Figura 8-18.

136.000

136.500

137.000

137.500

138.000

138.500

139.000

139.500

1 24 47 70 9311

613

916

218

520

823

125

427

730

032

334

636

939

241

543

846

148

450

753

055

357

659

962

264

566

869

171

473

776

078

380

682

985

287

589

892

194

496

799

0

Escenario SimuladoLimitación 40%


119


Bajo este nivel de limitación se obtiene una reducción correspondiente al

8% del total de carga gestionable, lo que a nivel de subestación corresponde a un

0,86%.

c) 60% de Capacidad: este nivel de restricción presenta los resultados que se muestran

en la Figura 8-19.

137.000

137.500

138.000

138.500

139.000

139.500

1 24 47 70 93 116

139

162

185

208

231

254

277

300

323

346

369

392

415

438

461

484

507

530

553

576

599

622

645

668

691

714

737

760

783

806

829

852

875

898

921

944

967

990



120


Este nivel de restricción genera una reducción correspondiente al 10% de la

carga gestionable total, lo que genera una disminución en la demanda de punta de la

subestación correspondiente a un 1%.

d) 70% de Capacidad: los resultados para este nivel de limitación de la carga se puede

ver en la Figura 8-20.

137.000

137.500

138.000

138.500

139.000

139.500

1 24 47 70 93 116

139

162

185

208

231

254

277

300

323

346

369

392

415

438

461

484

507

530

553

576

599

622

645

668

691

714

737

760

783

806

829

852

875

898

921

944

967

990



121


Al igual que para el escenario anterior, este nivel representa la mejor

solución para el problema en discusión. Esta restricción genera una reducción

correspondiente al 13% del total de la carga gestionable, correspondiente al 1,34% de

la carga de la subestación.

e) 80% de Capacidad: los resultados para este nivel de limitación de la carga se puede

ver en la Figura 8-21.

137.000 137.200

137.400 137.600 137.800

138.000 138.200 138.400

138.600

1 35 69 103

137

171

205

239

273

307

341

375

409

443

477

511

545

579

613

647

681

715

749

783

817

851

885

919

953

987



122


Se observa que con este nivel de limitación se puede reducir un 7,28% del

total de carga gestionable. Se puede apreciar que debido al efecto no lineal del

rendimiento de los equipos, este nivel de limitación entrega peores resultados que la

limitación anterior.

Al igual que para el escenario real de clientes Carrier, para el escenario

proyectado de carga se muestra una solución para la limitación de potencia de un

70%, para los días de mayor temperatura en el mes de Diciembre. En la Figura 8-22

se muestra el tren de pulsos resultante, mientras que en la Figura 8-23 se muestra el

efecto de dicha operación en la carga total de SE Vitacura.

137.000

137.500

138.000

138.500

139.000

139.500

140.000

1 24 47 70 93 116

139

162

185

208

231

254

277

300

323

346

369

392

415

438

461

484

507

530

553

576

599

622

645

668

691

714

737

760

783

806

829

852

875

898

921

944

967

990



123

Figura 8-22: Patrón de encendido/limitado de edificios, escenario proyectado













7 Operación Bosque Norte 1 1 1 0 0 1 0 0

25 Operación Bosque Norte2 0 0 0 0 1 1 0 1

8 Operación Torre de la Industria 1 0 1 1 0 1 0 1

26 Operación Torre de la Industria2 1 1 1 1 1 0 1 1

9 Operación Golf 20011 1 1 1 1 1 0 1

27 Operación Golf 200120 1 1 1 1 1 1 0





12 Operación Ritz0 1 0 1 1 0 1 1

30 Operación Ritz21 1 1 1 0 1 0 1

13 Operación BCI1 1 1 1 1 0 0 1

31 Operación BCI21 1 1 1 1 0 0 1

14 Operación Nueva Providencia 0 1 1 1 0 1 1 1

32 Operación Nueva Providencia2 0 1 1 1 1 1 0 0



16 Operación Chiletabacos 1 1 1 1 0 0 0 1

34 Operación Chiletabacos2 1 1 1 0 1 1 1 0





124

Figura 8-23: Efecto en la carga de la SE, escenario proyectado

Tabla 8-4: Resultados de la optimización escenario proyectado

En la Tabla 8-4 se puede observar los resultados obtenidos mediante la aplicación

teórica del modelo desarrollado en el escenario real de clientes Carrier dentro de la zona de

estudio. Se puede apreciar que se genera una reducción correspondiente a 1,8 MW, que

representa un 12,7% de los 14,1 MW totales de carga gestionable catastrada.

En la Figura 8-24 se puede apreciar el efecto de dicho tren de pulsos en la curva de

carga gestionable.

En la Figura 8-25 se puede apreciar la reducción y el efecto payback generado por

la operación forzada definida por el tren de pulsos de la Figura 8-22.

100.000

105.000

110.000

115.000

120.000

125.000

130.000

135.000

140.000

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

kW

Horas

Curva de Carga Subestación Vitacura

Carga No Controlada

Carga Controlada

RESULTADOS ESCENARIO PROYECTADO 70%Demanda Max Carga Gestionada (kW) 16.086

Demanda Max Carga No Gestionada (kW) 14.155 Demanda Max SE, Carga Gestionada (kW) 137.426

Demanda Max SE, Carga No Gestionada (kW) 139.222 Diferencia (kW) 1.797

Porcentaje de lo Gestionado 12,6924%Porcentaje AC de la SE 10,2%

125

Figura 8-24: Efecto de la operación forzada en la curva de carga gestionable, escenario

proyectado

Figura 8-25: Reducción y efecto payback, escenario proyectado

Finalmente, en la Figura 8-26, se puede apreciar el efecto de esta solución en cada

uno de los 36 edificios a los que se les ha aplicado este tipo de programas CDC.

0

2.000

4.000

6.000

8.000

10.000

12.000

14.000

16.000

18.000

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

kW

Horas

Curva de Carga Gestionable

Total Gestionable No Controlado

Total Gestionable Controlado

-3.000

-2.000

-1.000

-

1.000

2.000

3.000

4.000

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Efecto Payback (kW)

126

Figura 8-26: Resultados en edificios, escenario proyectado, 70% limitación

-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Palladio

Carga No Controlada Carga Controlada Temperatura Salida

-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Procter


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

400,00

450,00

500,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Costanera


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

400,00

450,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Consorcio


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Capitolio


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Milenium


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

400,00

450,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Bosque Norte


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Torre de la Industria


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

700,00

800,00

900,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Golf 2001


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

700,00

800,00

900,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Isidora 2000


127


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Entel


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Ritz


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio BCI


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

400,00

450,00

500,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Nueva Providencia


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

200,00

400,00

600,00

800,00

1.000,00

1.200,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Citibank


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

20,00

40,00

60,00

80,00

100,00

120,00

140,00

160,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Chiletabacos


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

400,00

450,00

500,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Alsacia


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Palladio 2


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Procter 2


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Foster Isidora


128


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

400,00

450,00

500,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Costanera 2


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

400,00

450,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Consorcio 2


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Capitolio 2


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Milenium 2


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

350,00

400,00

450,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Bosque Norte 2


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Torre de la Industria 2


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

700,00

800,00

900,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Golf2001 2


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

100,00

200,00

300,00

400,00

500,00

600,00

700,00

800,00

900,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Isidora 2000 2


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Entel 2


-1,00

1,00

3,00

5,00

7,00

9,00

11,00

-

50,00

100,00

150,00

200,00

250,00

300,00

12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15 16 16 16 16 17 17 17 17 18 18 18 18 19 19 19 19 20 20 20

Edificio Ritz 2


129


8.3 Escenario Futuro de Carga

El crecimiento del sector inmobiliario de la zona del corredor de Las

Condes se verá fuertemente modificado con la irrupción de los complejos Costanera

Center y Titanium la Portada. Es de interés entonces para esta investigación realizar

un análisis del aporte en lo que se refiere a la carga gestionable proveniente de los

equipos de aire acondicionado de dichos edificios.

Para realizar esta proyección, se utilizaron los mismos criterios de la

evaluación de proyectos térmicos realizadas en esta investigación, es decir, tomando

en cuenta los m2 útiles construidos de estos edificios, y considerando que estos

edificios poseerán los mejores estándares de tecnología y eficiencia, se utiliza el

-1 ,0 0

1,0 0

3,0 0

5,0 0

7,0 0

9,0 0

1 1 ,00

-

5 0,0 0

1 0 0 ,0 0

1 5 0 ,0 0

2 0 0 ,0 0

2 5 0 ,0 0

3 0 0 ,0 0

12 1 2 12 1 2 1 3 1 3 1 3 1 3 1 4 1 4 1 4 1 4 1 5 1 5 1 5 1 5 1 6 16 1 6 16 1 7 17 1 7 1 7 1 8 1 8 1 8 1 8 1 9 1 9 1 9 1 9 2 0 2 0 2 0

Edificio BCI 2


-1 ,0 0

1,0 0

3,0 0

5,0 0

7,0 0

9,0 0

1 1 ,00

-

5 0 ,00

1 00 ,0 0

1 50 ,0 0

2 00 ,0 0

2 50 ,0 0

3 00 ,0 0

3 50 ,0 0

4 00 ,0 0

4 50 ,0 0

5 00 ,0 0

1 2 1 2 1 2 1 2 1 3 1 3 1 3 1 3 1 4 1 4 14 1 4 1 5 1 5 1 5 1 5 1 6 16 1 6 1 6 1 7 1 7 1 7 1 7 1 8 1 8 1 8 1 8 19 1 9 1 9 1 9 2 0 2 0 2 0

Edificio NuevaProvidencia 2


-1 ,0 0

1 ,00

3 ,00

5 ,00

7 ,00

9 ,00

1 1 ,0 0

-

20 0 ,0 0

40 0 ,0 0

60 0 ,0 0

80 0 ,0 0

1 .00 0 ,0 0

1 .20 0 ,0 0

12 1 2 1 2 12 1 3 1 3 1 3 1 3 1 4 1 4 14 1 4 1 5 1 5 1 5 1 5 1 6 1 6 1 6 1 6 17 1 7 1 7 1 7 1 8 1 8 1 8 18 1 9 1 9 19 1 9 2 0 2 0 2 0

Edificio Citibank 2


-1 ,0 0

1 ,00

3 ,00

5 ,00

7 ,00

9 ,00

1 1 ,0 0

-

2 0 ,0 0

4 0 ,0 0

6 0 ,0 0

8 0 ,0 0

1 0 0,0 0

1 2 0,0 0

1 4 0,0 0

1 6 0,0 0

1 2 1 2 1 2 1 2 1 3 1 3 1 3 1 3 14 1 4 1 4 1 4 1 5 1 5 1 5 1 5 1 6 1 6 1 6 1 6 1 7 17 1 7 1 7 1 8 1 8 1 8 1 8 1 9 1 9 1 9 19 2 0 2 0 20

Edificio Chiletabacos 2


-1,0 0

1 ,0 0

3 ,0 0

5 ,0 0

7 ,0 0

9 ,0 0

1 1 ,0 0

-

5 0,0 0

1 0 0 ,0 0

1 5 0 ,0 0

2 0 0 ,0 0

2 5 0 ,0 0

3 0 0 ,0 0

3 5 0 ,0 0

4 0 0 ,0 0

4 5 0 ,0 0

5 0 0 ,0 0

1 2 1 2 1 2 1 2 1 3 1 3 1 3 13 1 4 14 1 4 1 4 1 5 1 5 1 5 1 5 1 6 1 6 1 6 1 6 17 1 7 1 7 1 7 1 8 1 8 1 8 1 8 1 9 1 9 1 9 1 9 2 0 20 2 0

Edificio Alsacia 2


-1 ,0 0

1 ,00

3 ,00

5 ,00

7 ,00

9 ,00

1 1 ,0 0

-

5 0 ,0 0

1 0 0,0 0

1 5 0,0 0

2 0 0,0 0

2 5 0,0 0

3 0 0,0 0

1 2 1 2 1 2 1 2 1 3 1 3 1 3 13 1 4 1 4 1 4 1 4 1 5 1 5 15 1 5 1 6 1 6 1 6 1 6 1 7 17 1 7 1 7 1 8 18 1 8 1 8 1 9 1 9 1 9 1 9 20 2 0 2 0

Edificio Foster Isidora 2


130

valor unitario horario de requerimiento de frío obtenidos para el edificio Isidora

2000, proyectando este valor unitario en el total construido de los edificios.

Para esto es que se requiere, primero que todo, las características

constructivas de cada uno de los edificios, lo que se presenta en la Tabla 8-5.

Tabla 8-5: Características constructivas edificios Costanera Center y Titanium

Los edificios están en plena fase de construcción, por lo que no se tiene

certeza del tipo de equipos a utilizar. Para dar solución a este problema, y llevar a

cabo una aproximación que resulte válida para el análisis que se busca en este

capítulo, es que se consideran los mismos patrones de proyección que utiliza Carrier

con sus clientes para la instalación de los equipos, tomando como modelo el edificio

Isidora 2000, uno de los edificios más modernos de los últimamente construidos, y

que, según sugerencia de los proyectistas, resulta ser de los más cercanos a las

características que poseerán los nuevos edificios.

Como se menciona en el capítulo 5.2, el cálculo de las capacidades se

estima, a través de un factor de simultaneidad, generalmente de un 0,9 y 0,95, las

cargas térmicas totales del edificio, las que se dividen por el número de equipos de

forma de obtener la carga por cada uno, es decir, se considera que el requerimiento

máximo de los edificios se abastece con entre el 90 y el 95% de la carga,

repartiéndose esta en igual proporción, para todos los equipos acondicionadores.

Con todas estas consideraciones es que se puede obtener la curva horaria de

carga gestionable aproximada para estos nuevos complejos inmobiliarios, la que se

presenta en la Figura 8-27.

Edificio TR M2 Modelo Cantidad TR Gran Torre Costanera 1.690,01 106.318 30 HXC 7 255 Torre 1 Costanera 1.192,19 75.000 30 HXC 5 255 Torre 2 Costanera 1.325,22 83.369 30 HXC 6 255 Hotel Costanera 783,16 49.268 30 HXC 3 313 Mall Costanera 2.294,18 144.326 30 HXC 8 313 Titanium 2.066,46 130.000 30 HXC 7 313

131

Figura 8-27: Curva horaria carga gestionable para edificios Costanera Center y Titanium

Como se puede apreciar, el valor máximo de carga gestionable es de

alrededor de 6,6 MW, lo que permite concluir que tan solo estos dos complejos

inmobiliarios representan el mismo consumo que el catastro recopilado de los

clientes de Carrier, correspondiente a 18 edificios. Claramente se destaca entonces el

gran peso que tendrá estos edificios en el consumo global de la zona del corredor de

Las Condes.

Si bien es cierto que se tienen todos los datos para integrar estos edificios al

modelo desarrollado en esta investigación, el problema que se presenta es que esta

metodología considera un escenario de carga, correspondiente a la curva horaria de

carga de la subestación Vitacura. Sin embargo, por el informe desarrollado por

Systep Ingeniería y Diseños e INECON (2006), se sabe que la subestación no dará

abasto con la capacidad existente, por lo que, habiendose agotado todas las

posibilidades de expansión en capacidad para ella, será necesario la construcción de

una nueva subestación. Es por lo mismo que no puede definirse entonces cual es el

nuevo escenario a minimizar, ni como se distribuirán las areas de influencia de

dichas subestaciones, lo que impide entonces poder integrar estos edificios al

-

1.000

2.000

3.000

4.000

5.000

6.000

7.000

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Demanda Total Nuevos Edificios (MW)

Octubre Noviembre Diciembre Enero Febrero Marzo

132

modelo. Por lo demás, el alcance de esta investigación es desarrollar una

metodología que prediga la carga térmica de los edificios, no buscando predecir el

comportamiento eléctrico de las otras cargas que conforman el consumo total de los

inmuebles.

De esta forma, y tomando en cuenta lo mencionado, se puede lograr dar

ciertas luces de las potencialidades que este tipo de planes puede desarrollar al

momento en que estos complejos de oficinas entren en operación.

Para esto entonces es necesario realizar un análisis de los casos anteriores y

buscar aplicarlos para este nuevo escenario.

En el capítulo anterior se determina los valores en porcentaje para cada uno

de los diferentes escenarios de limitación de la carga. En la Tabla 8-6 se realiza esta

aproximación, consistente en la aplicación de la reducción en porcentaje al nuevo

horizonte conformado por el total de las cargas gestionables que se han simulado

para la operación de los equipos de aire acondicionado central de estos nuevos

complejos de edificios.

Tabla 8-6: Aplicación de los resultados para la proyección de escenarios.

A través de esta aproximación se puede obtener entonces un bloque de carga

de 0,872 MW para ser gestionados y reducidos de la demanda de punta, a través de

los planes de control directo de la carga para estos nuevos complejos inmobiliarios,

EdificioDemanda Máxima

Diciembre (kW)Porcentaje de

Reducción Estimado

Total Proyectado de

Reducción Gran Torre Costanera 1.292,2 13% 169,9

Torre 1 Costanera 901,6 13% 118,5Torre 2 Costanera 948,6 13% 124,7Hotel Costanera 506,5 13% 66,6 Mall Costanera 1.556,9 13% 204,7Titanium 1.432,7 13% 188,4

TOTAL REDUCCIÓN COSTANERA-

TITANIUM872,9 kW

133

de gran tamaño, que se construyen actualmente en la zona del corredor de Las

Condes.

134

9. CONCLUSIONES Y TRABAJOS FUTUROS

9.1 Conclusiones

En este trabajo se presenta una alternativa práctica utilizada

internacionalmente como herramienta de control de la demanda de punta,

denominados planes de Control Directo de la Carga, que se encuentran dentro del

marco conocido como Gestión de la Demanda. Estos programas han sido usados

tradicionalmente como planes de emergencia, en aquellas circunstancias en que el

sistema eléctrico se enfrenta a períodos de alta congestión, alcanzando niveles de

capacidad cercanos a los límites físicos que determinan un servicio de calidad, dentro

de los márgenes de seguridad definidos por la regulación de cada país.

Las altas tasas de crecimiento del consumo de energía a nivel mundial,

principalmente a causa de las economías emergentes, han generado que las empresas

de distribución vean este tipo de programas como una alternativa viable y atractiva

para la planificación de la expansión de la capacidad en sus redes, principalmente por

el hecho de que resulta más económico, y desde el punto de vista técnico, más

eficiente, utilizar métodos de reducción de la punta, que el invertir en capacidad

exclusiva para dar abasto a dichos períodos de alta demanda, que sólo alcanzan

pequeños períodos de tiempo a lo largo del año. Esto genera no solo un posible

ahorro económico por lo que significa el desplazar en el tiempo, o incluso evitar,

inversiones que se creían necesarias, sino también mejoran la eficiencia operacional

de las redes al aumentar el factor de carga, reduciendo las sobreinversiones.

La Gestión de la Demanda tiene su raíz en la necesidad que presenta el

mercado eléctrico de flexibilizar la curva de demanda en vías de lograr el equilibrio

de mercado, determinado en aquel punto donde los requerimientos de los ofertantes y

los consumidores son satisfechos. Tradicionalmente, la curva de consumo es

considerada inflexible e insensible a las condiciones de mercado variantes en el

tiempo. La Gestión de la Demanda permite darle un rol más activo a esta, en la

búsqueda de mejorar la eficiencia en la operación global del sistema eléctrico.

Dentro de este marco, en esta investigación se desarrollan los programas

conocidos como Control Directo de la Carga. Estos se caracterizan por ofrecer una

135

alternativa de reducción de la demanda de punta a través de un control directo y

remoto de la operación de las aplicaciones participantes. Además, se utilizaron como

cargas gestionables los sistemas de aire acondicionado central de edificios

comerciales, consumos que tienen características termostáticas, con comportamientos

basados en inercias térmicas, y que contribuyen de gran manera al consumo en

distribución.

La aplicación de este tipo de programas tiene sentido cuando los equipos de

aire acondicionado representan un porcentaje importante en la carga total de una

subestación. Asimismo, la zona debe estar caracterizada por la presencia de la

demanda de punta en la estación de verano. Estas características se dan generalmente

en aquellas áreas de consumos preponderantemente comerciales, en donde los

edificios de oficinas se imponen en presencia a las zonas residenciales.

Tomando en cuenta lo anterior, la zona en estudio para esta investigación

corresponde al llamado corredor de Las Condes, área de influencia de la Subestación

Vitacura. Esta zona geográfica se escoge tomando en cuenta la conclusión tomada en

Systep Ingeniería y Diseños e INECON (2006), en el que se define a esta subestación

como conflictiva desde el punto de vista de la planificación de su expansión, al no

dar abasto sus instalaciones existentes frente a la tasa de crecimiento estimada para la

demanda. A esto se le suma la dificultad técnica y económica de la solución

propuesta en dicho informe. Esta guarda relación con la contrucción de una nueva SE

en la zona del Bosque, denominada subestación Los Leones, con configuración

subterranea, lo que implica altos costos tanto económicos como de ingeniería.

Para la descripción de los equipos, tanto en sus carácterísticas técnicas como

en sus modos de operación,se acudióa la ayuda experta de la empresa Carrier S.A.

Además, a través de la información proporcionada, fue posible realizar un catastro de

los clientes de dicha empresa que están ubicados en la zona en cuestión, obteniendo

entonces para la simulación un escenario real de clientes, y una proyección, a partir

de estos datos concretos, del universo total de carga gestionable con la que

actualmente se podría contar para la ejecución de un programa de este tipo.

Un punto fundamental para esta investigación es la modelación del

comportamiento térmico de los edificios participantes en el programa. A través de la

136

ayuda de la herramienta computacional HAP, es posible, teniendo en consideración

todos los datos constructivos de un edificio en particular, obtener el comportamiento

térmico estimado horario, todos los días del año y para cada edificio. Sin embargo la

magnitud de datos que deben tenerse en cuenta para llevar a cabo dicha modelación

imposibilitael poder ejecutar el programa para el universo de edificios disponible. La

alternativa presentada en esta investigación consiste en dividir los edificios en 2

tipos, tomando en cuenta el parámetro m2/TR, que define la eficiencia térmica de los

inmuebles. A partir de esta división, se toma como modelo un edificio de cada grupo,

se simula su comportamiento, y se determina un parámetro unitario horario, basado

en los m2 útiles a acondicionar. Este parámetro se proyecta sobre el total construido

de cada uno de los edificios pertenecientes a ambos grupos, de forma de obtener así

la curva horaria de carga gestionable, proveniente del consumo de los equipos de aire

acondicionado en cada edificio, para los días de mayor temperatura de los meses de

la temporada de verano. Esta metodología define un importante ahorro de esfuerzos

ingenieriles, pues es éste el universo total de carga de aire acondicionado que puede

ser gestionada, de modo de lograr la meta correspondiente a maximizar la reducción

de la punta.

Otro aporte de esta investigación es el modelo predictor de carga. En si es

un tema complejo determinar un modelo day ahead que permita definir el escenario

de demanda para el día siguiente. La metodología utilizada en esta investigación se

apoya en herramientas que entrega internet, en las cuales se presenta una predicción

horaria anticipada de temperaturas para un día en cuestión. La idea desarrollada

consiste en buscar un match óptimo entre este vector de temperaturas pronosticadas,

y la información histórica de las temperaturas para la ciudad de Santiago. El

paradigma detrás de esta búsqueda guarda relación con el supuesto de que si dos días

se parecen en el comportamiento dinámico de las temperaturas, también se parecerán

en sus perfiles de consumo de energía.

De esta forma se obtienen ambos escenarios para optimizar. En primer lugar

la predicción de las carga de la SE, que es el horizonte sobre el cual se ejecutará el

programa de reducción, y por otro lado la carga gestionable, que determina

137

finalmente cuan profundo será el prefil modificable dentro de la demanda de punta

de la SE.

Es importante destacar también aspectos relacionados al confort. La

demanda por energía se define de manera indirecta, es decir, no es la electricidad en

sí la que realmente se necesita, sino mas bien el servicio que prestan equipos y

maquinarias que funcionan gracias a ella. Respecto a los equipos de aire

acondicionado, el servicio requerido por los clientes es la regulación de la

temperatura, de forma tal de encontrarse en rangos de sensación de confort. Es por

este hecho que dentro del modelo de operación de los equipos, el confort debe ser

considerado en todo momento como una restricción activa. El ciclo natural de

refrigeración busca que las zonas a climatizar se encuentren en un rango de confort

definido por instituciones como la ARI o la ASHRAE, encargadas de la

investigación y realización de los estándares HVAC, utilizados a nivel mundial para

la selección de los sistemas óptimos, tanto en operación como en desempeño. Al

intervenir el funcionamiento, a través de este tipo de programas, el equilibrio térmico

al interior de un inmueble es destruido, apareciendo fenómenos como pérdidas de

confort por aumento de temperaturas, y el llamado efecto payback, definido en el

cuerpo de este informe. De esta forma, la modelación matemática y la optimización

general del programa debe tener ambos parámetros en cuenta al momento de buscar

la solución que maximice la reducción de la punta, de modo que esta solución sea no

solo óptima, sino también eficiente y viable.

Tomando en cuenta lo anteriormente señalado, el principal aporte de esta

investigación es generar una herramienta técnica que sea capaz de predecir tanto el

perfil horario de consumo para la subestación en cuestión, como el nivel de carga

gestionable bajo dichas circunstancias, y en base a ello, definir un vector que

determine un patrón de encendido y apagado de los equipos participantes en el

programa, para cada período de optimización, de forma tal que en su operación

conjunta maximicen la reducción de la demanda de punta de la SE, una reducción

que permita posponer o incluso evitar inversiones en aumento de capacidad.

Para lograr este vector, definido por el patrón de control del funcionamiento

de los equipos, se utiliza como método de resolución la aplicación de algoritmos

138

genéticos. Este codifica, para cada solución perteneciente a una población inicial,

aleatoria, las soluciones en matrices, en las que cada columna representa un período

de optimización, mientras que cada fila representa el comportamiento de un edificio.

A través de procesos de recombinación, mutación y de refresco, las poblaciones de

soluciones evolucionan, generación en generación, en búsqueda de un resultado

óptimo para la función de desempeño, que para la investigación presentada es la

reducción de la demanda de punta.

Para el horizonte de optimización, luego de distintas pruebas, se determinó

un período de dos horas, en intervalos de 15 minutos. Estos valores se escogieron

tomando en cuenta el perfil total de la carga gestionable, y analizando la profundidad

del cambio que podría generar en la curva de la subestación.

De esta forma, y tomando en cuenta que operacionalmente los equipos de

aire acondicionado central no pueden ser reducidos a la desconexión total, sino que a

valores mínimos de carga parcial de un 40%, los resultados tanto para el escenario

real de Carrier, como para el escenario proyectado en base a estos datos y al reporte

inmobiliario presentado en Colliers International Chile (2007), para el mes de

Diciembre, donde se encuentra la demanda máxima de la temporada se pueden ver

en las Tabla 9-1 y Tabla 9-2

Tabla 9-1: Valores máximos carga en SE y carga gestionable para escenarios simulados

139.222

Catastro Real 7.077

Catastro Proyectado 14.155

Demanda Máxima Gestionable (kW)

Carga Máxima mes de Diciembre (kW)

139

Tabla 9-2: Resultados de la optimización escenarios

En la Figura 9-1 y Figura 9-2 se presentan los resultados de la convergencia

del proceso de optimización a través de la aplicación en base a algoritmos genéticos.

Figura 9-1: Resultados escenario real


kW kW80% 138.702 520 7%70% 138.140 1.082 15%60% 138.366 856 12%50% 138.462 760 11%40% 138.617 605 9%80% 138.191 1.031 8%70% 137.360 1.862 13%60% 137.856 1.366 10%50% 138.025 1.197 8%40% 138.222 1.000 7%



Escenario Proyectado (Demanda Máxima

139,222 kW)

Escenario Real (Demanda Máxima

139,222 kW)

137.600

137.800

138.000

138.200

138.400

138.600

138.800

139.000

139.200

1 60 119

178

237

296

355

414

473

532

591

650

709

768

827

886

945

kW

Resultados Escenario Real

80%

60%

50%

40%

70%

140

Figura 9-2: Resultados escenario proyectado

La diferencia de los porcentajes entre ambos escenarios radica

principalmente en el pequeño porcentaje que puede ser gestionado en el catastro

denominado real, lo que determina que con la reducción generada, no alcanza a

reducir niveles que lo posicionen en el segundo período de punta.

Claramente se puede observar que el nivel de limitación en ambos casos

resulta ser óptimo al operar a un 70%, alcanzándose niveles de un 13% en el catastro

proyectado como el actual para la SE Vitacura. Esto principalmente debido al efecto

payback, que determina nuevos máximos ante niveles de limitación mayores, los que

pueden generar una solución al problema que puede incluso entregar peores

resultados que los definidos en su configuración inicial. Además una menor

restricción de carga genera mayor libertad en lo que se refiere al número de

restricciones posibles por período, sin sobrepasar las barreras dadas por los niveles

de confort.

Si bien este porcentaje es pequeño, es necesario considerar que la carga

gestionable proyectada, definida por el consumo de los equipos de aire

acondicionado central, representa un valor cercano al 10% del total. Si llevamos esta

aplicación al campo de las experiencias internacionales, de modo de validar el

modelo aquí presentado, en el capítulo 4.2 se mencionó que en países como EE. UU.,

136.000

136.500

137.000

137.500

138.000

138.500

139.000

139.500

140.000

1 60 119

178

237

296

355

414

473

532

591

650

709

768

827

886

945

kW

Resultados Escenario Proyectado

80%

70%

60%

50%

40%

141

pioneros en este tipo de programas, la carga de aire acondicionado representa valores

cercanos a un 60% de la punta del sistema, y que a través de los planes de Control

Directo de la Carga, se obtienen valores de reducción de alrededor de un 8% de la

demanda de punta del sistema, como se mencionó en el capítulo 3.2.1. Tomando en

cuenta estos datos, se puede considerar validado el modelo presentado en esta

investigación, pues se podría plantear el supuesto que a través de la puesta en

ejecución del programa desarrollado, en un horizonte de carga gestionable como el

americano, se obtendrían, al menos en teoría, resultados similares.

Al finalizar, una última conclusión a tomar en cuenta, y que guarda relación

con el tamaño que presentan los megaproyectos inmobiliarios que se construyen en

la zona del corredor de Las Condes. Ambos, Costanera Center y Titanium la Portada,

presentan en conjunto cerca de 600.000 m2 construidos, distribuidos en 6 edificios.

En orden de magnitud, por si solos representan la mitad del catastro proyectado para

el año 2007, y el mismo nivel de requerimiento de frío que el catastro completo de

clientes de Carrier, conformado por 18 inmuebles. Es por esto que la instauración de

estos complejos presentan oportunidades importantes desde el punto de vista de la

gestión de los consumos, no solo en lo que se refiere a planes de gestión de la

demanda como los desarrollados en esta investigación, sino que en la gama completa

de herramientas que permitan hacer más eficiente la distribución de las cargas en

distribución.

9.2 Trabajos Futuros

Para terminar este informe, es que se proponen las siguientes líneas de

investigación para continuar el trabajo aquí planteado:

• En primer lugar, es importante destacar que en esta investigación tan sólo

se buscó desarrollar una herramienta técnica que permita controlar la

demanda de punta de una subestación, utilizando planes CDC aplicados a

los sistemas de aire acondicionado. La idea es demostrar la factibilidad en

lo que corresponde a la reducción de potencia. Se propone entonces

realizar un estudio referido a las oportunidades económicas que se

142

presentan mediante la utilización de este tipo de aplicaciones, de forma de

obtener el beneficio neto $/kW de reducción. Para esto se debe tomar en

cuenta el aporte económico que significa la aplicación del programa de

forma global, es decir, analizando la reducción del riesgo por falta de

suministro por problemas en capacidad, la mejora del factor de potencia,

la reducción en las pérdidas debido a esto mismo, y el efecto económico

generado por la posible postergación de inversiones en capacidad,

definido por el valor presente de las mismas.

• En segundo lugar, en el informe sólo se hacen referencia a las

experiencias internacionales respecto al pago a los clientes por la

participación en este tipo de programas. Es importante para esto la

obtención del análisis económico propuesto en el punto anterior, para

obtener cual es el beneficio neto generado para la empresa a través de esta

reducción de consumos, y una vez concluido esto, analizar posibles

esquemas de pagos para los clientes por la participación en estos

programas, como forma de retribuir las posibles pérdidas de confort a

causa del control forzado de sus equipos.

• Un tercer punto, quizás el más relevante, es la importancia de comprobar

en la práctica los resultados obtenidos de forma teórica. Tradicionalmente,

las empresas de distribución han llevado a cabo programas pilotos de

forma de verificar la efectividad de los planes de control directo de la

carga. Estos planes de prueba permiten a la empresa distribuidora estimar

de forma concreta el impacto de la aplicación del programa en la curva de

demanda del área de interés. Sin embargo, estos pilotos muchas veces no

son precisos a nivel de resultados globales obtenidos, y si muy costosos,

haciendo ineficiente su aplicación. Es para esto que se desarrollan este

tipo de programas que permiten a las empresas evitar los planes de

pruebas, procediendo directamente al plan maestro de ejecución,validando

el modelo a través pruebas de menor magnitud.

De esta forma, lo que se propone es validar, a través de estos planes

pilotos en menor escala recién mencionados, los resultados obtenidos en

143

el modelo, comparándo con los que ocurre realmente en la realidad al

generar un control forzado en la operación de un equipo de aire

acondicionado en un edificio en particular. De esta forma se podrá afinar

el modelo utilizando la retroalmientación entre los resultados de la puesta

en práctica y los pronosticados por el modelo.

144

BIBLIOGRAFIA

ASHRAE. (1992). ANSI-ASHRAE 55-1992: Thermal environmental.

ASHRAE. (1971). ASHRAE Guide and Data Book (Fundamentals).

ASHRAE. (2001). Handbook: fundamentals. USA: American Society of Heating,

Refrigerating and Airconditioning Engineers, Inc.

Bahiense, L., Olivera, G., Pereira, M., & Granville, S. (2001). A Mixed Integer

Disjunctive Model for Transmission Network Expansion. IEEE Trans. Power Syst.,

vol.16, no. 3 , 560-565.

Beasley, D., Bull, D., & Martin, R. (1993). An Overview of Genetic Algorithms: Part

1, Research Topics. University Computing, 15 (4), 170-181.

Bellannine, G. T. (2000). Load management techniques. Southeastcon 2000.

Proceedings of the IEEE , 139 - 145.

Benavente, J. M., Galetovic, A., Sanhueza, R., & Serra, P. (2005). Estimando la

Demanda Residencial por Electricidad en Chile: El Consumo es Sensible al Precio.

Cuadernos de Economía, Vol.42 (125), 31-61.

Bennon, R., Juves, J., & Meliopoulos, A. (1982). Use of sensitivity analysis in

automated transmission planning. IEEE Trans. Power Aparat. Syst.,vol. PAS-101 , 53-

59.

Binato, S., & Oliveira, C. (1995). A heuristic procedure to cope with multi-year

transmission expansion planning. Proc. IEEE/KTH Stockholm Power Tech. Conf.,

Stockholm, Sweden.

Binato, S., Pereira, M., & Granville, S. (2001). A Nex Benders Decomposition

Approach to Solve Power Transmission Network Design Problems. IEEE Trans. Power

Syst., vol. 16, no.2 , 235-240.

Buygi, M., Shanechi, H., Balzer, G., Shahidehpour, M., & Pariz, N. (2006). Network

Planning in Unbundled Power Systems. IEEE TRANSACTIONS ON POWER

SYSTEMS, VOL. 21, NO. 3, , 1379-1387.

145

Cagigas, C., & Madrigal, M. (2003). Centralized vs. Competitive Transmission

Expansion Planning: The Need For New Tools. Power Engineering Society General

Meeting, 2003, IEEE , 1012-1017.

CB Richard Ellis. (2006). Global MarketView.

CB Richard Ellis. (2007). Indice de Mercado Santiago de Chile. Mercado de Oficinas.

Santiago.

Chanda, R., & Bhattacharjee, P. (1994). Application of computer software in

transmission expansion planning using variable load structure. Electric Power System

Research, no.31 , 13-20.

Colliers International Chile. (2007). Informes Inmobiliarios. Retrieved from

http://www.colliers.cl/

Contreras, J. (1997). A Cooperative Game Theory Approach to Transmission Planning

in Power System. Tesis Doctoral, Univ. California, Berkeley .

CRA International. (2006, Diciembre). Assesing the value of Demand Response in the

NEM. Australian IEA Task XIII Team .

Cruz, R., & Latorre, G. (2000). HIPER: Interactive tool for mid-term transmission

expansion planning in a deregulated environment. IEEE Power Eng. Rev., vol. 20 , 61-

62.

Cuadros, R. (2003). Modelo integrado de tarificación y expansión de las redes de

transmisión de energía. Memoria para Optar al Título de Ingeniero Civil Electricista,

Universidad de Chile .

Da Silva, E., Areiza, J., De Oliveira, G., & Binato, S. (2001). Transmission Network

Expansion Planning Under a Tabu Search Approach. IEEE Transactions on Power

Systems, vol. 16, Nº 1 , 62-68.

De la Torre, T., Feltes, J., Gómez, T., & Merrill, H. (1999). Deregulation, privatization,

and competition: transmission planning under uncertainty. IEEE Trans. Power Syst.,

vol. 14, , 460-465.

http://www.colliers.cl/

146

Donahue, J. (2004). Integrating Transmission Networks & Competitive Markets. IEA

Workshop on Transmission Networks Performance in Competitive Electricity Markets,

Paris, Francia .

Dusonchet, Y. P., & El-Abaid, A. (1973). Transmission Planning Using Discrete

Dynamic Optimizing. IEEE Trans. Power Apparat. Syst., vol. PAS-92 , 1358-1371.

Gallego, R., Alves, A., Monticelli, A., & Romero, R. (1997). Parallel Simulated

Annealing Applied to Long Term Transmission Network Expansion Planning. IEEE

Trans. Power Syst., vol. 12, no.1 , 181-188.

Gallego, R., Monticelli, A., & Romero, R. (1998). Transmission expansion planning by

extended genetic algorithm. Proc. Inst. Elect. Eng.-Gen., Transm. Dist.,vol. 145, no.3 ,

329-335.

Gallego, R., Romero, R., & Monticelli, A. (2000). Tabu Search Algorithm for Network

Síntesis. IEEE Transactions on Power Systems, vol.15, no.2 , 490-495.

Garber, L. L. (1970). Transmission Network Estimation Using Linear Programming.

IEEE Transactions on Power Apparatus and System, vol. PAS-89, no.7 , 1688-1697.

Gellings, C. W. (1985). The concept of demand-side management for electric utilities.

Proceedings of the IEEE, 73 (Issue 10).

Gellings, C. W., & Chamberlin, J. H. (1987). Demand-Side Management: Concepts

and Methods. In C. W. Gellings, & J. H. Chamberlin, Demand-Side Management:

Concepts and Methods (pp. 37-61).

Gil Sagás, E. M. (2001). Programación de la generación de corto plazo en sistemas

hidrotérmicos usando algoritmos genéticos. M.Sc. tesis, Universidad Técnica Federico

Santa María, Departamento de Ingeniería Eléctrica.

Goldberg, D. (1989). Genetic Algorithms in Search, Optimization, and Machine

Learning. Addison-Wesley Professional.

Gomes, A., Henggeler Antunes, C., & Gomes Martins, A. (2004). A multiple objective

evolutionary approach for the design and selection of load control strategies. IEEE

Transactions on Power Systems , 1173 - 1180 .

147

Gorenstin, B., Campodonico, N., Costa, J., & Pereira, M. (1993). Power system

expansion planning under uncertainty. IEEE Transactions on Power Systems, Vol. 8,

No. 1 , 129-136.

Haffne, S., Monticelli, A., Garcia, A., & Mantovani, J. (2000). Branch and bound

algorithm for transmission system expansion. Proc. Inst. Elect. Eng.—Gen.Transm.

Dist., vol. 147 , 149–156.

Handschin, E., Heine, M., König, D., Nikodem, T., Seibt, T., & Palma, R. (1998).

Object-oriented software engineering for transmission planning in open access

schemes. IEEE Trans. Power Syst.,vol. 13 , 94-100.

Hedman, K., Gao, F., & Sheble, G. (2005). Overview of Transmission Expansion

Planning Using Real Options Analysis. Power Symposium, 2005. Proceedings of the

37th Annual North American , 23-25.

Hirst, E. (2002, Abril). Price-Responsive Demand as Reliability Resources. Consulting

in Electric-Industry Restructuring .

Hobbs, B. F. (2001). Linear Complementarity Models of Nash-Cournot Competition in

Bilateral and POOLCO Power Market. IEE Transactions on Power System , 194-202.

Holland, J. H. (1975). Adaptation in Natural and Arti�cial SystemsAdaptation in

Natural and Adaptation in Natural and Artifcial Systems. MIT Press .

Huang, C.-M., & Yang, H.-T. (2001). Evolving wavelet-based networks for short-term

load forecasting. IEE Proceedings-Generation, Transmission and Distribution , 222 -

228.

Huang, K.-Y., & Huang, Y.-C. (2004). Integrating direct load control with interruptible

load management to provide instantaneous reserves for ancillary services. IEEE

Transactions on Power Systems , 1626 - 1634 .

IGT . (2007, Diciembre). IGT - http://www.igt.cl/. Retrieved Enero 5, 2008, from

http://www.igt.cl/site/content.aspx?lang=1&cparams={1fx1D}&mparams={-1}

Ihara, S., & Schweppe, F. C. (1981). Physically Based Modeling of Cold Load Pickup.

IEEE Transactions on Power Apparatus and Systems , 4142 - 4150 .

http://www.igt.cl/

http://www.igt.cl/site/content.aspx?lang=1&cparams

148

Jorge, H., Antunes, C., & Martins, A. (2000 ). A multiple objective decision support

model for the selection of remote load control strategies. IEEE Transactions on Power

Systems , 865 - 872 .

Kaltenbatch, J., Peshon, J., & Gehrig, E. (1970). A mathematical optimization

technique for the expansion of electrical power transmission system. IEEE Trans.

Power Apparat. Syst., vol. PAS-89 , 113-119.

Kim, K., Park, Y., & Lee, K. (1988). Optimal long term transmission expansion

planning based on maximum principle. IEEE Trans. Power Syst., vol.3 , 1494-1501.

Kurucz, C., Brandt, D., & Sim, S. (1996). A linear programming model for reducing

system peak through customer load control programs. IEEE Transactions on Power

Systems , 1817 - 1824.

Latorre, G., Cruz, R. D., Areiza, J. M., & Villegas, A. (2003). Classification of

Publications and Models on Transmission Expansion Planning. IEEE Trans. Power

Syst., vol. 18. , 938-946.

Latorre, G., Ramos, A., Pérez-Arriaga, I., Alfonso, I., & Sáiz, A. (1991). PERLA: A

static model for long-term transmission planning - Modeling options and suitability

analysis. Proc. 2nd Spanish-Portuguese Conf. Elect. Eng.

Laurent, J.-C., Desaulniers, G., Malhame, R., & Soumis, F. (1995 ). A column

generation method for optimal load management via control of electric water heaters.

IEEE Transactions on Power Systems, , 1389 - 1400 .

Lee, W., Yik, F., Jones, P., & Burnetta, J. (2001). Energy saving by realistic design

data for commercial buildings in Hong Kong. Applied Energy 70 , 59–75.

Levi, V., & Calovic, M. (1991). A new Decomposition based method for optimal

expansion planning of large transmission networks. IEEE Trans. Power Syst. vol. 6, no.

3 , 937-943.

Ling, S., Leung, F., Lam, H., & Tam, P. (2003). Short-term electric load forecasting

based on a neural fuzzy network. IEEE Transactions on Industrial Electronics , 1305-

1316.

149

Lu, C.-N., Wu, H.-T., & Vermuri, S. (1993). Neural network based short term load

forecasting. IEEE Transactions on Power Systems , 336-342.

Lu, M., Dong, Z., & Saha, T. (2005). A Framework for Transmission Planning in a

Competitive Electricity Market. IEEE/PES Transmission and Distribution Conference

& Exhibition: Asia and Pacific, Dalian, China , 1-6.

Malhamé, R., & Chong, C.-Y. (1985 ). Electric load model synthesis by diffusion

approximation of a high-order hybrid-state stochastic system. IEEE Transactions on

Automatic Control , 854 - 860 .

Martínez García, A. G. (2003). Creacion de un algoritmo GRASP para la empresa

Junghanns. Cholula, Puebla, México: Tesis Profesional. Universidad de las Américas

Puebla. Escuela de Ingeniería. Departamento de Ingeniería Industrial y Textil.

Maui Electric Company, Ltd. Final Report. (2006). Assessment of Demand-Side

Management (DSM) Resource Options. San Diego, California.

Ma-WenXiao, Bai-XiaoMin, & Mu-LianShun. (2002). Short-term load forecasting with

artificial neural network and fuzzy logic. International Conference on Power System

Technology , 1101-1104.

Ministerial Council on Energy. (2007). Revised Demand Side Response and

Distributed Generation Case Studies.

Monticelli, A., Santos Jr, A., Pereira, M., Cunha, S., Parker, B., & Praca, J. (1982).

Interactive transmission network planning using a leat-effort criterion. IEEE Trans.

Power Apparat. Syst., vol. PAS-101 , 3919-3925.

Nehrir, M., Dolan, P., Gerez, V., & Jameson, W. (1995 ). Development and validation

of a physically-based computer model for predicting winter electric heating loads.

IEEE Transactions on Power Systems, , 266 - 272 .

Pereira, M., & Gorenstin, B. (1996). Transmission pricing methods. Seminar:

Remuneration and Pricing of the Power Services, Bogotá, Colombia .

Pereira, M., McCoy, M., & Merrill, H. (2000). Managing risk in the new power

business. IEEE Comput. Applicat. Power , 18-24.

150

Pereira, M., Pinto, L., Cunha, S., & Oliveira, C. (1985). A Descomposition approach to

automated generation/transimission expansion planning. IEEE Trans. Power Syst., vol.

PAS-104 , 3074-3083.

Pfluger, R. (2005). An international review of low and zero energy home initiatives.

CEPHEWS review , 209-214.

Platts, J., Sigby, R. M., & Garver, L. (1972). A method for horizon-year transmission

planning. IEEE Trans. Power Apparat. Syst., vol. PAS-89 , 1356-1361.

Proyecto GAUREE 2. (2004, Mayo). El Proyecto Generación Autónoma y Uso

Racional de la Energía Eléctrica: Puesta en Práctica de Soluciones Concretas.

Retrieved Marzo 4, 2008, from http://www.uegauree2.org:

http://www.uegauree2.org/fileadmin/uploads/media/MANUAL_DE_AHORRO_ENER

GETICO_EN__REFRIGERACION.pdf

Rocky Mountain Institute. (2006). Demand Response: An Introduction. Boulder,

Colorado, EE.UU.

Romero, R., Gallego, R., & Monticelli, A. (1996). Transmission System Expansion

Planning by Simulated Annealing. IEEE Trans. Power Syst., vol. 11, no.1 , 364-369.

Rudnick, H., & Montero, J. P. (2001). Precios eléctricos flexibles. Cuadernos de

Economía , 91-109.

Rudnick, H., & Zolezzi, J. (2000). Planificación y Expansión de la Transmisión en

Mercados Eléctricos Competitivos. II Symposium of Specialists in Electric Operational

and Expansion Planning, VII SEPOPE, Curitiba, Brasil .

Rudnick, H., Palma, R., Cura, E., & Silva, C. (1996). Economically Adapted

Transmission Systems in Open Access Schemes - Application of Genetic Algorithms.

IEEE Trans. Power Syst., vol.11, no.3 , 1427-1440.

Ryan, N., Braithwait, S. D., Powers, J. T., & Smith, B. A. (1989). Generalizing direct

load control program analysis: implementation of the duty cycle approach. IEEE

Transactions on Power Systems , 293 - 299.

http://www.uegauree2.org

http://www.uegauree2.org/fileadmin/uploads/media/MANUAL_DE_AHORRO_ENER

151

Seifu, A., Salon, S., & List, G. (1989). Optimization of transmission line planning.

IEEE Trans. Power Syst., vol. 4 , 1507–1513.

Senjyu, T., Mandal, P., Uezato, K., & Funabashi, T. (2005). Next Day Load Curve

Forecasting Using Hybrid Correction Method. IEEE Transactions on Power Systems ,

102-109.

Serna, C., Duran, J., & Camargo, A. (1978). A model for enxpansion planning of

transmission systems a practical application example. IEEE Trans. on Power

Apparatus and System, vol. PAS-97, no. 2 , 610-615.

Serrano, R. (2004). Planificación de la expansión de la transmisión desde la perspectiva

privada utilizando teoría de juegos cooperativos. Tesis de Magister, Pontificia

Universidad Católica de Chile .

Sharifnia, A., & Aashtiani, H. (1985). Transmission network planning: A method for

synthesis of minimum-cost secure networks. IEEE Trans. Power Apparat. Syst.,vol.

PAS-104 , 2026-2034.

Shin, J., & Park, Y. (1993). Optimal Long-Term Transmission Planning by Expert

System Approach. Proc. IEEE Region 10 Tech. Conf. , 713-717.

SINTEF. (2005, Septiembre 8). SINTEF Energy Research - http://www.sintef.no.

Retrieved Enero 17, 2008, from http://www.sintef.no/content/page1____4966.aspx

SkyscraperPage. (2006). SkyscraperPage - http://skyscraperpage.com/. Retrieved

Enero 20, 2008, from Gran Torre Costanera:

http://skyscraperpage.com/cities/?buildingID=46521

Stephens, R. (1988). Load control demand reduction estimation. IEEE Transactions on

Power Systems , 59 - 66.

Stoft, S. (2002). Power System Economics: Designing Markets for Electricity.

Editorial IEEE/Wiley .

Styczynski, Z. (1999). Power network planning using game theory. Proc.13th Power

Syst. Comput. Conf. Trondheim , 607-613.

http://www.sintef.no

http://www.sintef.no/content/page1____4966.aspx

http://skyscraperpage.com/

http://skyscraperpage.com/cities/?buildingID=46521

152

Sun, H., & Yu, D. (2000). A multiple-objective optimization model of transmission

enhancement planning for independent transmission company (ITC). IEEE Power

Engineering Society Summer Meeting , 62-68.

Systep Ingeniería y Diseños e INECON. (2006). Estudio para determinar el valor

anual del sistema de subtransmisión (VASTX). Sistema de Subtransmisión N°3.

Santiago de Chile.

Teive, R., Hawken, A., & Laugthon, M. (2004). Knowledge-based system for electrical

power networks transmission expansion planning. Transmission and Distribution

Conference and Exposition: Latin America, 2004 IEEE/PES , 435-440.

Teive, R., Silva, E., & Fonseca, L. (1998). A Cooperative Expert System for

Transmission Expansion Planning of Electrical Power System. IEEE Trans. Power

Syst., vol. 13, no. 2 , 636-642.

Thai Energy . (2004). Retrieved Enero 17, 2008, from http://www.thaienergy.com -

Energy Policy Research:

http://www.thaienergy.org/index.php?option=com_content&task=view&id=71&Itemid

=88

Titanium Inmobiliaria. (n.d.). Titanium la Portada - http://www.titaniumlaportada.cl.

Retrieved Enero 20, 2008, from

http://www.titaniumlaportada.cl/Titanium_La_Portadaes.html

Villasana, R., Garver, L., & Salon, S. (1985). Trasmission Network Planning Using

Linear Programming. IEEE Trans. Power Apparatus ans System, vol. PAS-104, no.2 ,

349-356.

Weller, H. (1988). Managing the instantaneous load shape impacts caused by the

operation of a large-scale direct load control system. IEEE Transactions on Power

Systems , 197 - 199.

Xcel Energy. (n.d.). Xcel Energy - http://www.xcelenergy.com. Retrieved Enero 10,

2008, from Programs & Resources: Saver´s Switch:

http://www.thaienergy.com

http://www.thaienergy.org/index.php?option=com_content&task=view&id=71&Itemid

http://www.titaniumlaportada.cl

http://www.titaniumlaportada.cl/Titanium_La_Portadaes.html

http://www.xcelenergy.com

153

http://www.xcelenergy.com/XLWEB/CDA/0,3080,1-1-2_738_18938-223-2_171_256-

0,00.html

Yang, H., Chen, S., & Peng, P. (2005). Genetic k-means-algorithm-based classification

of direct load-control curves. IEE Proc.-Gener. Transm. Distrib .

Yao, L., Chang, W.-C., & Yen, R.-L. (2005). An Iterative Deepening Genetic

Algorithm for Scheduling of Direct Load Control. IEEE Transactions on Power

Systems , 1414 - 1421.

Yoshimoto, K., Yasuda, K., & Yokoyama, R. (n.d.). Transmission Expansion Planning

Using Neuro-Computing Hybridized with Genetic Algorithm. Proc. 1995 Int. Conf.

Evol. Comput. , 126-131.

Youssef, H. K., & Hackam, R. (1989). New Transmission Planning Model. IEE Trans.

Power Syst. , 9-18.

Yu, Z. (1996). A temperature match based optimization method for daily load

prediction considering DLC effect. IEEE Transactions on Power Systems, , 728-733.

Zhang, G., Wang, L., Liu, L., & Wang, Z. (2004). Thermoeconomic optimization of

small size central air conditioner. El Servier, applied thermal engineering , 471-485.

Zheng, F., Zhang, Y., & Hou, Y. (2006). An Integrated Economic Impact Assessment

Index on Transmission Expansion. Power Engineering Society General Meeting, IEEE

, 6.

Zolezzi, J. (2002). Asignación de Costos de Transmisión via Juegos Cooperativos y

Formación de Coaliciones. Tesis Doctoral Pontificia Universidad Católica de Chile .

http://www.xcelenergy.com/XLWEB/CDA/0,3080,1-1-2_738_18938-223-2_171_256

154

A N E X O S

155

ANEXO A: TARIFAS DINÁMICAS

Principalmente en Estados Unidos se han desarrollado programas basados en tarifas

dinámicas de forma de lograr una participación más activa del consumo en la búsqueda del

equilibrio de mercado.

La literatura ha definido, dentro de este marco de flexibilidad tarifaria, cuatro

esquemas de precios.

a) Tarifas time of use (TOU)

Este tipo de esquemas de precios presentan bloques para tiempos

específicos del día en cuestión. Típicamente estas tasas no cambiarán más que dos

veces al año y se basan en la estimación del costo de generar electricidad. Los

clientes pagan por energía consumida en estos períodos según los precios del

intervalo registrado. Estas tarifas son prefijadas, por lo que no representan fielmente

lo que ocurre en el mercado. Además poseen, por el mismo hecho de no seguir los

costos variables de generación, una prima de riesgo que protegen al cliente de la real

fluctuación.

Para su implementación se requieren de medidores simples que identifiquen

mediante un clock el período de consumo, registrando dicho valor en forma mensual,

con la predeterminación de los precios de la energía en aquel intervalo de tiempo.

b) Tarifas en tiempo real

Las tarifas en tiempo real, o real time pricing en ingles (RTP) parecen ser la

mejor aproximación para una liberación de mercado. Está caracterizado por tener

diferentes precios para diferentes horas del día, para diferentes días. Es el fiel reflejo

de lo que realmente ocurre en los sistemas eléctricos, ya que representa los costos

instantáneos de generación, aislando la prima de riesgo que tienen las tarifas TOU,

considerando además las posibilidades de blackout del sistema.

La característica con la que marca la diferencia los RTP respecto a los TOU

es que introduce incentivos para distribuir los precios detallistas en intervalos fijos de

tiempo, usualmente horarios, y que son anunciados minutos antes del suceso,

156

típicamente un día antes. La idea es que el intervalo entre el anuncio y la

implementación del precio no sea muy extenso para que refleje de forma precisa lo

que realmente ocurre en el mercado. Esto ayuda al sistema a descongestionar las

horas peaks, distribuyendo el consumo a lo largo del día.

La tecnología también juega un papel importante. Uno de los problemas que

tienen las tarifas en tiempo real es que, al separar los tiempos de peaks de los no

peaks, necesita de medidores que detecten y registren el momento exacto y el tiempo

de consumo en horarios peaks, para luego poder enviarlo de forma remota a los

sistemas de almacenamiento de datos para poder informar al usuario de manera

continua la forma y magnitud de sus consumos y el valor instantáneo de la energía.

Por lo demás la forma de enviar la información de consumo si las tarifas son RTP es

muy limitada y costosa. Esto por los equipos que se deben instalar para la

conectividad entre el medidor y el centro y el centro con el usuario.

c) Tarifas critical peak pricing (CCP)

Este tipo de tarifas es un estado intermedio entre las dos antes definidas. Su

principal característica consiste en la definición de una señal de precio muy alta en

casos críticos en que el sistema no tenga suficientes holguras. Se cobran costos por

kWh consumido en horas punta, fuera de punta y súper punta, diferenciando por

estación del año y por nivel escalonado de consumo. Las horas en súper punta

corresponden a casos críticos durante las horas punta, en las cuales se podrá aplicar

una señal excesiva de precio para desincentivar el consumo.

Requiere de sistemas de medidores menos sofisticados, el cual es mucho

más consistentes con lo que pasa en realidad en los mercados, sobre todo en lo

referido a costos. Para estos esquemas se definen períodos limitados con niveles

definidos para períodos críticos de alto consumo. Además el número de períodos

críticos al año son limitados de manera de proteger a los consumidores contra los

altos precios.

d) Oferta de la demanda

Los procesos de oferta de la demanda da la oportunidad a los grandes

clientes dueños de instalaciones de consumo importante a que participen de forma

157

activa en el mercado, ofreciendo reducir las cargas a cambio de un precio

determinado entre ambas partes interesadas. Los clientes más pequeños pueden

también participar en estas transacciones a través de intermediarios, que agregan a

varios de sus clientes ofertando bloques de reducción de mayor peso dentro de la

operación del sistema.

158

ANEXO B: PROGRAMA HAP

El aumento de los costos de la energía a nivel mundial, propiciado principalmente

por el alza en los precios de los combustibles fósiles, ha generado una preocupación a nivel

de las empresas constructoras de edificios en torno a los costos operativos y la eficiencia

energética de los inmuebles. Como resultado, los programas simuladores de energía en

edificios se han transformado en una herramienta importante en el campo de los equipos de

aire acondicionado.

El Hourly Analysis Program (HAP) es la herramienta computacional utilizada por

Carrier para la estimación de los proyectos de aire acondicionado a implementar en los

edificios, residencias e industrias de sus clientes. HAP es en sí mismo dos herramientas en

una. En primer lugar es una herramienta para estimar cargas y diseñar sistemas. En

segundo lugar, es una herramienta para simular el uso y el costo del consumo de energía

del edificio.

Este programa utiliza el método de función de transferencia para cálculos de carga,

avalado por ASHRAE, con técnicas detalladas de simulación de 8.760 hora-hora para el

análisis de energía, de forma de entregar resultados precisos respecto a estimaciones de la

demanda por energía y los costos operacionales en los que se ve incurrido por dicho

consumo. Un sofisticado análisis matemático simula el comportamiento térmico del

edificio determinado por las cargas de frío y calor presentes en él, considerando a su vez

gran cantidad de factores físicos que influencian en la carga total del inmueble, así como

también los equipos existentes en su interior que se presentan como cargas térmicas.

Esté análisis térmico-estático de los edificios debe considerar:

159

1. Condiciones climáticas: es vital para el programa conocer los distintos niveles de

temperatura, humedad y radiación solar, para todo el año. Estos factores externos

son importantes a la hora de estimar las cargas térmicas, ya que cada locación

geográfica posee un perfil de calor-frío, seco-húmedo, despejado-nublado, que

permiten obtener distintos escenarios de predicción de los comportamientos, ya

sean diarios, mensuales o anuales.

2. Variación horaria y diaria de las cargas internas: patrones de ocupación y de

uso de la iluminación y de los equipos son requeridos por este programa para lograr

una aproximación al perfil horario de las cargas internas generadoras de calor.

3. Naturaleza dinámica de la transferencia de calor en el edificio: el proceso de

convertir las ganancias y pérdidas de calor, evento dinámico, en un proceso estático

es importante para la simulación del comportamiento del edificio. Las ganancias de

calor ocurridas durante una hora afectan a las horas siguientes, e incluso a días

sucesivos, por lo que resulta fundamental el considerar con precisión las secuencias

de ganancias diarias y horarias. Para esto se requieren características constructivas

de los edificios de forma de analizar la resistencia y la capacitancia que poseen los

edificios, que definen la ganancia y la pérdida de calor, ante los distintos

escenarios.

4. La respuesta y el desempeño de los equipos HVAC: se debe conocer como los

controles, sistemas y equipos responden a la demanda por calor y frío en un

edificio, y los factores que afectan al rendimiento en carga parcial de los sistemas

climatizadores, de forma de obtener el escenario total de comportamiento de los

equipos ante distintas situaciones, determinadas por los parámetros internos y

externos antes descritos.

El HAP estima cargas de diseño de enfriamiento y calefacción para determinar los

tamaños de los componentes de sistemas HVAC requeridos. En esencia, el programa

provee la información necesaria para seleccionar y especificar los equipos. De forma

específica, el programa lleva a cabo las siguientes tareas:

• Calcula cargas hora a hora de diseño de enfriamiento y calefacción para

espacios, zonas y serpentinas en el sistema HVAC.

160

• Simula la operación hora-por-hora de los sistemas no-HVAC, incluyendo

iluminación y artefactos

• Determina los valores de caudal de aire necesarios para espacios, zonas y el

sistema.

• Dimensiona las serpentinas de enfriamiento y calefacción, los ventiladores

de circulación de aire, los enfriadores y las calderas.

• Genera reportes tabulares y gráficos de los datos por hora, diarios, mensuales

y anuales.

De esta forma, para definir una proyección del comportamiento térmico de los

equipos se requiere:

1. Definir el problema: se debe tener claro los alcances y objetivos del análisis del

diseño, conociendo el tipo de edificio, los sistemas y equipos que se pretenden

instalar y los requerimientos especiales que influirán en las propiedades del

sistema.

2. Recopilación de datos: antes de que los cálculos de diseño puedan ser realizados

se debe reunir información acerca del edificio, su entorno y su equipo HVAC

• Datos climáticos: los datos del clima definen las condiciones de

temperatura, humedad y radiación solar que el edificio encontrará durante el

curso de un año. Estas condiciones juegan un importante rol influyendo cargas

y operación del sistema. Para definir datos climáticos, se puede seleccionar una

ciudad de la base de datos climáticos del programa, o pueden ingresarse

directamente los parámetros.

• Datos del espacio: un espacio es una región del edificio comprendida por

uno o más elementos de caudal de calor y servida por una o más terminales de

distribución de aire. Generalmente un espacio representa una única habitación.

Sin embargo, la definición de un espacio es flexible. Para definir un espacio

deben describirse todos los elementos que afecten el caudal de calor en el

mismo. Los elementos incluyen muros, ventanas, puertas, techos, claraboyas,

pisos, ocupantes, iluminación, equipos eléctricos, diversas fuentes de calor,

infiltraciones y particiones. Al definir un espacio se necesita información

161

acerca de la construcción de muros, techos, ventanas, puertas y dispositivos de

oscurecimiento exteriores, así como también información acerca de los

cronogramas horarios para las ganancias de calor internas.

• Datos del sistema de aire: un sistema de aire es el equipo y los controles

utilizados para proveer refrigeración y calefacción a una región del edificio. Un

sistema de aire sirve a una o más zonas. Las zonas son grupos de espacios que

tienen un único control termostático. Para definir un sistema de aire, los

componentes, controles y zonas asociados con el mismo deben ser definidas,

así como también el criterio de dimensionado del sistema.

• Datos de la planta: una planta es el equipo y los controles utilizados para

proveer refrigeración o calefacción a las serpentinas en uno o más sistemas de

aire. Los ejemplos incluyen plantas enfriadoras, plantas de caldera de agua

caliente, y plantas de caldera de vapor.

3. Análisis final de los datos: finalmente, el programa permite obtener reportes de

diseño de la planta generada y del sistema en su conjunto, con los que finalmente se

podrá elegir el equipo de aire a instalar, determinado por el comportamiento

térmico del edificio, para las 8.760 horas del año.

162

ANEXO C: TIPOS DE EQUIPOS DE AIRE ACONDICIONADO CENTRAL

Los sistemas de aire acondicionado o HVAC son generalmente diseñados,

instalados y operados en tipos y configuraciones diferentes, dependientes de las

particularidades propias del proyecto ha desarrollar. Tomando este hecho en cuenta, es que

se busca una clasificación de los equipos de forma de encontrar la configuración óptima en

cada uno de estos proyectos.

Los sistemas de aire acondicionado pueden ser clasificados actualmente en seis

categorías, según sus configuraciones y características operativas:

• Sistemas individuales de aire acondicionado de espacio

• Sistemas de refrigeración por evaporación

• Sistemas de aire acondicionado de base seca, o sistemas de disecación

• Sistemas térmicos de aire acondicionado

• Sistemas embalados o sistemas unitarios de aire acondicionado

• Sistemas centrales de aire acondicionado

Un sistema embalado tiene la característica de utilizar un serpentín para enfriar el

aire directamente. Un sistema de disecación utiliza generalmente el serpentín de

refrigeración como actor suplementario. Un sistema central utiliza como sistema de

refrigeración un líquido enfriado como medio de refrigeración para refrescar el aire

directamente. Por último, un sistema térmico de almacenamiento utiliza siempre un

sistema central que utiliza agua o salmuera como medio de refrigeración.

Otra forma de clasificación de los equipos de aire acondicionado, guardan relación

con el tipo de la entrada de energía y el proceso de refrigeración. Tomando en cuenta estos

parámetros, los sistemas de refrigeración se pueden clasificar en:

• Tipo compresión de vapor

• Compresión de absorción y aire

• Compresión de expansión de gas

En la década de los 90, el sistema de la absorción tenía menos del 8 por ciento en

instalaciones nuevas comparadas con los compresores centrífugos en los Estados Unidos.

Las aplicaciones de aire o sistemas de refrigeración de expansión de gas se limitan al uso

163

de los aviones. En cambio los sistemas de compresión de vapor dominan en los sistemas de

aire acondicionado (Proyecto GAUREE 2, 2004)

Los sistemas de refrigeración de compresión de vapor son conocidos también como

sistema de agua helada, y consisten en una unidad central que genera agua a temperaturas

de aproximadamente 7°C, la cual es distribuida por medio de tubería a las habitaciones y a

las áreas comunes. Estas unidades están compuestas por cuatro elementos principales que

son: el evaporador, el condensador, el elemento expansivo o válvula de expansión, y el

compresor. La unidad absorbe el calor generado por el edificio por medio del evaporador

que es un intercambiador de calor donde circula agua fría por un lado, y refrigerante por el

otro. El agua sale del evaporador a aproximadamente 7°C, y regresa a una temperatura

dependiente del diferencial de temperatura existente en las habitaciones a acondicionar, y

se debe a la absorción de la carga térmica del edificio. El gas refrigerante sale del

evaporador hacia el compresor que aumenta su presión para llevarlo al condensador, donde

el refrigerante se condesa en un intercambiador de calor, que puede utilizar agua o aire

como medio de condensación.

Los sistemas de refrigeración de compresión de vapor se pueden clasificar también

según:

• El tipo de compresor utilizado (reciprocante, rotativo, tornillo o sistemas

centrífugos)

• El tipo de evaporador, definiendo si posee o no expansión directa. En un sistema de

expansión directa, el aire de transferencia se enfría directamente y es humedecido

por la expansión y el evaporado del refrigerante por medio de una serie de tubos.

• El tamaño del sistema de refrigeración, en toneladas de refrigeración, que puede ir

desde sistemas pequeños, de 2.5 TR, a los sistemas más grandes de varios cientos

de toneladas de refrigeración.

Para un proyecto de acondicionamiento de aire, el tipo de compresor, el tamaño del

sistema o si el compresor utilizado son a menudo correlativos. Un compresor centrífugo es

a menudo un sistema de refrigeración de gran tonelaje, mientras que un sistema pequeño

de refrigeración, es a menudo un sistema del tipo expansión directa, que utiliza aire fresco

para el intercambio de temperatura.

164

Es importante destacar entonces al compresor de refrigerante como el actor

principal dentro del funcionamiento de un sistema de aire acondicionado. Este tiene como

función elevar la presión del refrigerante, o del agua según sea el tipo de sistema,

proporcionando la fuerza primaria para que el refrigerante circule en el estado de gas, de

forma de poder establecer procesos de intercambio de calor con el fluido circulante

encargado de acondicionar el edificio.

De esta forma, al clasificar los sistemas por el tipo de compresor, se encuentran los

tres más utilizados en el mercado:

• Compresor del tipo tornillo

• Compresor del tipo centrífugo

• Compresor de absorción

Los compresores del tipo tornillo son un 15% más pequeños y más ligeros que los

compresores centrífugos comparables, pero ofrecen una capacidad 50% más alta,

reduciendo de esta forma el espacio requerido para cuartos de máquinas, con su costo

asociado. Estos compresores satisfacen las necesidades de aplicaciones que van de altas a

bajas temperaturas en sistemas de compresión sencilla, paralela o combinada

externamente. Por sus dimensiones y particularidades, poseen la característica de poder

configurar distintas estructuras, haciendo más funcional su operación. El de tornillo es un

equipo muy confiable, muy eficiente, pero hasta cierto punto está limitado en los tamaños

que ofrece en sus varias capacidades. Carrier posee dentro de este tipo de equipos la línea

30HXC del tipo tornillo, presentado 17 equipos que van desde las 83 TR hasta las 367 TR.

Su nombre de tornillo guarda relación a la forma en que opera para lograr elevar la presión

del refrigerante. Esta se basa en el uso de tornillos macho y hembra que van transportando

el refrigerante y aumentándoles la presión de manera paulatina, a través de la reducción en

una cavidad en el acople de dos elementos helicoidales configurados por ambos tipo de

tornillos.

Los compresores del tipo centrífugo son los más utilizados en sistemas de

refrigeración. Esto debido a su relación precio-capacidad, pues es conveniente en grandes

proyectos. Carrier presenta en sus catálogos 6 tamaños en modo frío, con capacidades que

van desde 375 TR a los 700 TR. Son compresores herméticos (un solo módulo) con alabes

guía de entrada variable. Están configurados a través de una construcción modular, donde

165

evaporador, condensador y compresor van completamente unidos con tornillos,

especialmente adecuados para proyectos de sustitución.

El método de compresión, como lo dice su nombre, se basa en la utilización de la

velocidad centrífuga para comprimir el refrigerante, desarrollando la diferencia de presión

por medio de un movimiento de rotación a alta velocidad.

Por último están los sistemas de absorción. La primera gran diferencia entre el de

absorción y los demás es que es un compresor cuyo procedimiento es más químico que

mecánico, y ocurre a través de un sistema que usa la energía proveniente de la combustión

de gas natural, de agua o de vapor caliente para generar un proceso químico a baja presión,

lo que permite enfriar el agua del sistema usando agua como refrigerante. Este tipo de

compresores no es utilizado por Carrier para sus clientes en Chile actualmente, utilizando

tan solo equipos tornillo y centrífugos.

En el aspecto económico, regularmente estos equipos se cotizan en dólares y su

costo varía dependiendo de las capacidades. En este sentido los compresores de tornillo

son los más económicos. Después vendrían los centrífugos que tienen un costo de un 30 a

50 por ciento superior al anterior y por último los compresores de absorción, que son

mucho más costosos, prácticamente el doble de los anteriores.

166

ANEXO D: TABLA DE EQUIPOS CARRIER

En este anexo se presentan las tablas que caracterizan la operación de los equipos

que poseen los 18 edificios catastrados, clientes de Carrier, ubicados en la zona del

corredor de Las Condes

D.1 Edificio Palladio

D.2 Edificio Procter

D.3 Edificio Costanera


Porcentaje de Carga

Carga Chiller kW

Carga Unitaria kW/TON

Temperatura de Entrada

°C


°C

Diferencia °C

Carga Chiller Unitario

kW 120 20% 83 0.6900 8.2 6.6 1.6 83180 30% 104 0.5771 9.0 6.6 2.4 104240 40% 125 0.5215 9.9 6.6 3.3 125300 50% 141 0.4706 10.7 6.6 4.1 141360 60% 155 0.4302 11.6 6.6 5.0 155420 70% 184 0.4376 12.4 6.6 5.8 184480 80% 215 0.4472 13.2 6.6 6.6 215540 90% 252 0.4659 14.1 6.6 7.5 252600 100% 300 0.5000 14.9 6.6 8.3 300


Porcentaje de Carga

Carga Chiller kWCarga Unitaria

kW/TON


°C

Temperatura de Salida °C

Diferencia °C


kW 80 20% 112 0.7039 7.6 6.6 1.0 56

120 30% 142 0.5917 8.2 6.6 1.6 71160 40% 174 0.5438 8.8 6.6 2.2 87200 50% 208 0.5200 9.3 6.6 2.7 104240 60% 246 0.5125 9.9 6.6 3.3 123280 70% 286 0.5107 10.4 6.6 3.8 143320 80% 330 0.5156 11.0 6.6 4.4 165360 90% 380 0.5278 11.6 6.6 5.0 190400 100% 446 0.5575 12.1 6.6 5.5 223


Porcentaje de Carga

Carga Chiller kW



°C


°C

Diferencia °C


kW 90 20% 138 0.7667 7.8 6.6 1.2 69

135 30% 173 0.6412 8.4 6.6 1.8 87180 40% 209 0.5794 9.0 6.6 2.4 104225 50% 235 0.5229 9.7 6.6 3.1 118270 60% 258 0.4780 10.3 6.6 3.7 129315 70% 306 0.4862 10.9 6.6 4.3 153360 80% 358 0.4968 11.6 6.6 5.0 179405 90% 419 0.5177 12.2 6.6 5.6 210450 100% 500 0.5556 12.8 6.6 6.2 250

167

D.4 Edificio Consorcio

D.5 Edificio Capitolio

D.6 Edificio Milenium

D.7 Edificio Bosque Norte


Porcentaje de Carga

Carga Chiller kW



°C


Diferencia °C


kW 140 20% 103 0.7039 8.5 6.6 1.9 103210 30% 130 0.5917 9.5 6.6 2.9 130280 40% 162 0.5438 10.4 6.6 3.8 162350 50% 192 0.5200 11.4 6.6 4.8 192420 60% 207 0.5125 12.4 6.6 5.8 207490 70% 241 0.5107 13.4 6.6 6.8 241560 80% 283 0.5156 14.4 6.6 7.8 283630 90% 338 0.5278 15.3 6.6 8.7 338700 100% 407 0.5575 16.3 6.6 9.7 407


Porcentaje de Carga

Carga Chiller kW



°C


°C

Diferencia °C


kW 80 20% 56 0.6900 7.6 6.6 1.0 56

120 30% 71 0.5771 8.2 6.6 1.6 71160 40% 87 0.5215 8.8 6.6 2.2 87200 50% 104 0.4706 9.3 6.6 2.7 104240 60% 123 0.4302 9.9 6.6 3.3 123280 70% 143 0.4376 10.4 6.6 3.8 143320 80% 165 0.4472 11.0 6.6 4.4 165360 90% 190 0.4659 11.6 6.6 5.0 190400 100% 223 0.5000 12.1 6.6 5.5 223


Porcentaje de Carga

Carga Chiller kW



°C


°C

Diferencia °C


kW 90 20% 145 1.5333 7.8 6.6 1.2 69135 30% 182 1.2825 8.4 6.6 1.8 87180 40% 219 1.1588 9.0 6.6 2.4 104225 50% 247 1.0458 9.7 6.6 3.1 118270 60% 271 0.9560 10.3 6.6 3.7 129315 70% 322 0.9725 10.9 6.6 4.3 153360 80% 376 0.9937 11.6 6.6 5.0 179405 90% 440 1.0354 12.2 6.6 5.6 210450 100% 525 1.1111 12.8 6.6 6.2 250


Porcentaje de Carga


kW/TONTemperatura de Entrada °C


Diferencia °C


kW 90 20% 117 0.6900 7.8 6.6 1.2 69

135 30% 147 0.5771 8.4 6.6 1.8 87180 40% 177 0.5215 9.0 6.6 2.4 104225 50% 200 0.4706 9.7 6.6 3.1 118270 60% 219 0.4302 10.3 6.6 3.7 129315 70% 260 0.4376 10.9 6.6 4.3 153360 80% 304 0.4472 11.6 6.6 5.0 179405 90% 356 0.4659 12.2 6.6 5.6 210450 100% 425 0.5000 12.8 6.6 6.2 250

168

D.8 Edificio Torre de la Industria

D.9 Edificio Golf 2001

D.10 Edificio Isidora 2000

D.11 Edificio Entel


Porcentaje de Carga

Carga Chiller kW



°C


Diferencia °C


kW 77 20% 139 0.9053 7.6 6.6 1.0 70

114 30% 173 0.7572 8.1 6.6 1.5 86151 40% 207 0.6842 8.6 6.6 2.0 103188 50% 232 0.6174 9.2 6.6 2.6 116225 60% 254 0.5644 9.7 6.6 3.1 127263 70% 302 0.5741 10.2 6.6 3.6 151300 80% 352 0.5867 10.7 6.6 4.1 176337 90% 412 0.6113 11.2 6.6 4.6 206375 100% 492 0.6560 11.8 6.6 5.2 246


Porcentaje de Carga

Carga Chiller kW



°C


Diferencia °C


kW 55 20% 245 1.1137 7.3 6.6 0.7 6180 30% 298 0.9315 7.6 6.6 1.0 75

105 40% 353 0.8416 8.0 6.6 1.4 88130 50% 395 0.7595 8.3 6.6 1.7 99155 60% 431 0.6944 8.7 6.6 2.1 108180 70% 509 0.7063 9.0 6.6 2.4 127205 80% 592 0.7217 9.4 6.6 2.8 148230 90% 692 0.7520 9.7 6.6 3.1 173255 100% 824 0.8078 10.1 6.6 3.5 206


Porcentaje de Carga

Carga Chiller kW



°C


Diferencia °C


kW 55 20% 245 1.1137 7.3 6.6 0.7 6180 30% 298 0.9315 7.6 6.6 1.0 75105 40% 353 0.8416 8.0 6.6 1.4 88130 50% 395 0.7595 8.3 6.6 1.7 99155 60% 431 0.6944 8.7 6.6 2.1 108180 70% 509 0.7063 9.0 6.6 2.4 127205 80% 592 0.7217 9.4 6.6 2.8 148230 90% 692 0.7520 9.7 6.6 3.1 173255 100% 824 0.8078 10.1 6.6 3.5 206


Porcentaje de Carga

Carga Chiller kW



°C


Diferencia °C


kW 73.4 20% 74 1.1130 7.6 6.6 1.0 82

110.1 30% 92 0.9309 8.1 6.6 1.5 102146.8 40% 111 0.8412 8.6 6.6 2.0 123183.5 50% 125 0.7591 9.1 6.6 2.5 139220.2 60% 138 0.6940 9.6 6.6 3.0 153256.9 70% 163 0.7059 10.1 6.6 3.5 181293.6 80% 191 0.7213 10.6 6.6 4.0 212330.3 90% 223 0.7516 11.2 6.6 4.6 248367 100% 266 0.8065 11.7 6.6 5.1 296

169

D.12Hotel Ritz

D.13 Edificio BCI

D.14 Edificio Nueva Providencia

D.15 Edificio Citibank


Porcentaje de Carga

Carga Chiller kW



°C


°C

Diferencia °C


kW 34.6 20% 66 1.0609 10.5 6.6 3.9 3751.9 30% 83 0.8874 10.9 6.6 4.3 4669.2 40% 100 0.8018 11.2 6.6 4.6 5586.5 50% 113 0.7236 11.6 6.6 5.0 63

103.8 60% 124 0.6615 12.0 6.6 5.4 69121.1 70% 147 0.6729 12.3 6.6 5.7 81138.4 80% 171 0.6875 12.7 6.6 6.1 95155.7 90% 201 0.7164 13.1 6.6 6.5 112173 100% 239 0.7688 13.4 6.6 6.8 133


Porcentaje de Carga

Carga Chiller kW



°C


Diferencia °C


kW 36.4 20% 78 1.0691 9.2 6.6 2.6 3954.6 30% 98 0.8942 9.5 6.6 2.9 4972.8 40% 118 0.8080 9.8 6.6 3.2 5991 50% 133 0.7292 10.1 6.6 3.5 66

109.2 60% 146 0.6666 10.5 6.6 3.9 73127.4 70% 173 0.6781 10.8 6.6 4.2 86145.6 80% 202 0.6928 11.1 6.6 4.5 101163.8 90% 236 0.7219 11.5 6.6 4.9 118182 100% 282 0.7747 11.8 6.6 5.2 141


Porcentaje de Carga

Carga Chiller kW



°C


Diferencia °C


kW 55 20% 135 1.1137 7.3 6.6 0.7 6180 30% 164 0.9315 7.6 6.6 1.0 75

105 40% 194 0.8416 8.0 6.6 1.4 88130 50% 217 0.7595 8.3 6.6 1.7 99155 60% 237 0.6944 8.7 6.6 2.1 108180 70% 280 0.7063 9.0 6.6 2.4 127205 80% 325 0.7217 9.4 6.6 2.8 148230 90% 381 0.7520 9.7 6.6 3.1 173255 100% 453 0.8078 10.1 6.6 3.5 206


Porcentaje de Carga


kW/TON


°C


Diferencia °C


kW 65 20% 275 1.0709 7.4 6.6 0.8 7096 30% 340 0.8957 7.9 6.6 1.3 86

127 40% 406 0.8093 8.3 6.6 1.7 103158 50% 456 0.7304 8.7 6.6 2.1 115189 60% 498 0.6667 9.2 6.6 2.6 126220 70% 604 0.6955 9.6 6.6 3.0 153251 80% 739 0.7450 10.0 6.6 3.4 187282 90% 893 0.8014 10.5 6.6 3.9 226313 100% 960 0.7764 10.9 6.6 4.3 243

170

A.16 Edificio Chiletabacos

A.17 Edificio Alsacia

A.18 Edificio Isidora Foster


Porcentaje de Carga

Carga Chiller kW



°C


°C

Diferencia °C


kW 36.4 20% 39 1.0691 10.6 6.6 4.0 3954.6 30% 49 0.8942 10.9 6.6 4.3 4972.8 40% 59 0.8080 11.3 6.6 4.7 5991 50% 66 0.7292 11.7 6.6 5.1 66

109.2 60% 73 0.6666 12.1 6.6 5.5 73127.4 70% 86 0.6781 12.5 6.6 5.9 86145.6 80% 101 0.6928 12.9 6.6 6.3 101163.8 90% 118 0.7219 13.2 6.6 6.6 118182 100% 141 0.7747 13.6 6.6 7.0 141


Porcentaje de Carga

Carga Chiller kW



°C


Diferencia °C


kW 55 20% 135 1.1137 7.3 6.6 0.7 6180 30% 164 0.9315 7.6 6.6 1.0 75

105 40% 194 0.8416 8.0 6.6 1.4 88130 50% 217 0.7595 8.3 6.6 1.7 99155 60% 237 0.6944 8.7 6.6 2.1 108180 70% 280 0.7063 9.0 6.6 2.4 127205 80% 325 0.7217 9.4 6.6 2.8 148230 90% 381 0.7520 9.7 6.6 3.1 173255 100% 453 0.8078 10.1 6.6 3.5 206


Porcentaje de Carga

Carga Chiller kW



°C


Diferencia °C


kW 36.4 20% 78 1.0691 7.0 6.6 0.4 3954.6 30% 98 0.8942 7.3 6.6 0.7 4972.8 40% 118 0.8080 7.5 6.6 0.9 5991 50% 133 0.7292 7.8 6.6 1.2 66

109.2 60% 146 0.6666 8.1 6.6 1.5 73127.4 70% 173 0.6781 8.3 6.6 1.7 86145.6 80% 202 0.6928 8.6 6.6 2.0 101163.8 90% 236 0.7219 8.8 6.6 2.2 118182 100% 282 0.7747 9.1 6.6 2.5 141

171

ANEXO E: DESCRIPCIÓN DE LOS ALGORITMOS GENÉTICOS

Los Algoritmos Genéticos fueron desarrollados por John Holland en los setenta

(Holland, 1975), inspirándose en el proceso de mejoramiento y adaptación progresiva de

poblaciones de individuos a su entorno que se observa en la evolución natural de los seres

vivos.

Los genéticos se basan en dos ideas básicas: la codificación de las soluciones del

problema mediante strings binarios y la ejecución de una serie de operadores inspirados en

la teoría de la evolución y en las leyes de la genética para ir mejorando conjuntos de

soluciones.

Los algoritmos genéticos son iniciados con un grupo de soluciones aleatorias, que

representan la población inicial, la que, a través de agentes de mutación y cruzamiento, van

generando descendencia. Esta es sometida a procesos de medición de desempeño, de forma

de analizar la adaptación al ambiente de las generaciones, sobreviviendo sólo las mejores

soluciones, las que serán padres de la siguiente generación, repitiéndose el proceso.

De esta forma, se producen paso a paso generaciones avanzadas con individuos que

resultan progresivamente mejores a sus progenitores. Esta nueva generación contiene una

mayor proporción de las características que poseen los mejores miembros de la generación

anterior. De esta manera, a lo largo de muchas generaciones, las buenas características se

extienden a toda la población, al aparearse soluciones de buen desempeño entre sí,

eliminando aquellas que no aportan al modelo para llegar al óptimo global. Así, en la

última generación todos los individuos están próximos al valor óptimo y de entre ellos se

selecciona el que mejor optimiza la función.

Los genéticos son algoritmos de optimización metaheurística de características

robustas, puesto que son utilizables en problemas en que la función objetivo o las

restricciones no pueden ser expresadas en forma explícita, o bien presentan no linealidades

o discontinuidades extremas. Además, trabajan bien tanto en problemas multimodales

como de alta dimensionalidad.

En Goldberg (1989), los algoritmos genéticos se definen en forma general según la siguiente estructura (Figura E-1).

172

a) Inicialización de las soluciones: antes de empezar el algoritmo resulta fundamental

establecer una adecuada representación de las soluciones. Esta parte es clave, pues

la mayoría de los operadores utilizados en los genéticos son canónicos, es decir,

independientes del problema. De esta forma, es vital que la codificación de las

soluciones aporte la mayor cantidad de información para la resolución del

problema. La literatura sugiere dos maneras de representar las soluciones; a través

de strings binarios o mediante otro tipo de configuraciones como vectores, árboles

o grafos.

b) Generación de la población inicial: el algoritmo comienza con la inicialización de

las soluciones, donde se analizan todas las soluciones posibles, dejando para el

proceso de búsqueda tan solo las soluciones factibles del problema. La población

inicial es la principal fuente de material genético para el algoritmo. Una buena

elección de esta base inicial puede acelerar el proceso de convergencia a la solución

óptima. La población inicial debe contener cromosomas que estén bien dispersos

por el espacio de soluciones, lo que normalmente se logra a través de generación de

cromosomas (soluciones) al azar. Sin embargo, con el conocimiento experto del

problema puede generarse una población inicial más cercana al óptimo de manera

de ahorrar tiempo al proceso de evolución.

173

Figura E-1: Diagrama de flujos del algoritmo genético

Si

No

Generación de la población inicial

Evaluación de la población

Selección de los individuos a reproducir

Reproducción de los individuos

Mutación de los individuos

Refresco

Max Iteraciones

FIN

SI

No

Refresco de la Población

Almacenar mejor

solución

Inicialización

174

c) Evaluación de la población: una vez inicializada la solución es evaluada en el

modelo. Con el fin de poder comparar dos soluciones candidatas resulta

imprescindible contar con un mecanismo que evalúe el desempeño de cada

solución, por lo que se debe realizar el cálculo de la función que genera la solución

encontrada. Esta es la llamada función de adaptación, o fitness, la que cuantifica la

aptitud de cada cromosoma comosolución al problema, además de direccionar a la

población hacia soluciones más aptas, en vía a la solución que entrega el óptimo del

problema, lo que hace que una buena definición de la función de adaptación sea

fundamental para un correcto funcionamiento del algoritmo.

d) Selección de los individuos a reproducir: la selección de los individuos puede

realizarse a través de varios métodos encontrados en la literatura:

• Selección basada en ranking: las soluciones se ordenan según el valor dado

por la función de adaptación, eligiéndose los primeros m soluciones, según

así se requiera.

• Selección por ruleta: en este método, la probabilidad de ser escogido depende

de su valor de adaptación. De esta forma, se genera un número aleatorio entre

0 y 1, tomando como solución elegida aquella cuya probabilidad sea igual a

aquél número resultante, repitiéndose el proceso hasta que se obtiene el

número deseado de individuos. Esta técnica es análoga a una rueda de ruleta,

en la que a cada integrante de la población le es asignada una parte de tamaño

proporcional a su calidad.

• Selección por torneo: el operador de selección por torneo permite controlar en

forma efectiva la presión selectiva del algoritmo genético, siendo a la vez de

fácil implementación. La idea es elegir de forma aleatoria un número

determinado de soluciones, y entre ellas, escoger para ser padre de la

siguiente generación, aquella que tenga un mejor valor de adaptación. El otro

padre tradicionalmente se escoge de forma aleatoria para no perder

diversidad.

e) Operador de cruzamiento: la recombinación o cruzamiento es la operación genética

más importante, debido a que es el operador de reproducción es el encargado de

transferir el material genético de una generación a la siguiente. A diferencia de

175

otros métodos de optimización, los algoritmos genéticos no solamente exploran el

vecindario de las buenas soluciones, sino querecombinan sus partes para formar

nuevas soluciones, en búsqueda del óptimo global. Algunos de los operadores

canónicos, es decir, no adaptados al problema en particular, sino que genéricos, que

más se usan en la literatura (Beasley, Bull, & Martin, 1993) son:

• Cruce monopunto: se elige una posición al azar, se cortan ambos strings

padres en dicha posición y se intercambian los bits, generándose dos

descendientes. (Figura E-2)

• Cruza multipunto: se eligen para los dos progenitores, dos puntos de cruza, y

se intercambian los bits. Nuevamente se generan dos descendientes. (Figura

E-3)

Figura E-2: Cruza monopunto

176

Figura E-3: Cruza multipunto

• Cruzamiento uniforme: se genera un intercambio bit a bit, en orden aleatorio,

de los progenitores a sus hijos. (Figura E-4)

Figura E-4: Cruza uniforme

177

f) Operador de mutación: este operador realiza, para cada hijo resultante en el proceso

anterior, modificaciones aleatorias en strings elegidos al azar, cambiado su valor de

0 a 1 o viceversa. La mutación aporta diversidad en la población de soluciones,

permitiendo una exploración más completa del espacio de búsqueda y previniendo

la pérdida prematura de un bit, lo que evita la convergencia prematura a óptimos

locales.

g) Operador de refresco: esta operación consiste en una intervención radical en la

población de modo de evitar la convergencia prematura. La idea de este operador es

el lograr diversidad en la población, de esta manera, al pasar N soluciones, se

renuevan, de forma aleatoria, algunas soluciones, manteniendo siempre, generación

tras generación, la mejor solución que se presente.

h) Criterio de Finalización: existen tres criterios de finalización para los algoritmos

genéticos:

• Criterio de convergencia de identidad: este criterio genera el fin de las

iteraciones cuando un determinado porcentaje de las soluciones en una

generación representan a la misma solución, la que domina por sobre el resto.

• Criterio de convergencia de aptitud: este criterio da término al proceso de

búsqueda cuando existan soluciones equivalentes o casi equivalentes, que

obtengan valores de adaptación similares. En este caso, no hay solución

dominante, pero si un valor de fitness que domina.

• Criterio cantidad de iteraciones máximas: los métodos anteriores apuntan a

esperar a que la evolución de la población llegue a su fin. Cuando alguno de

ellos se cumple, es probable que las soluciones no sigan mejorando mucho

más, no importa cuántas generaciones más se ejecuten. En este caso es que se

termina la optimización cuando un número fijo de iteraciones es realizado.

Gestión de la demanda orientada a la optimización de activos

Documents

Transcript of Gestión de la demanda orientada a la optimización de activos